论文部分内容阅读
最近几年,肺癌是最常见、发病率和死亡率最高的恶性肿瘤,已然成为全球人类公共健康问题。但是早期肺癌并没有明显的临床症状,等到发现的时候已经错过了最佳的治疗时间。呼出气体诊断技术具有无创、低成本、方便、快捷等优点,适用于临床初筛。本文主要研究了呼出气体中的肺癌挥发性有机物(VOCs)标志物的筛选,并建立了基于VOCs的肺癌诊断模型。 本文的主要研究工作和创新点如下: 1)确定了基于采集仪和GC-MS的呼出气体规范化采集和检测流程 针对呼出气体中VOCs含量低的特点,确定了基于采集仪器和GC-MS的呼出气体规范化采集检测流程。从呼出气体的原始谱图中可以发现,人体呼出气体中的VOCs在肺癌患者和健康人之间的存在明显差异。基于该流程采集检测了445例呼气样本,为筛选呼出气体的肺癌标志物特征性气体奠定了基础。 2)筛选出了31种与肺癌相关的VOCs标志物并建立了诊断模型 筛选出了31种与肺癌相关的标志性VOCs用于区分肺癌与非肺癌,并建立相应的二元Logistic回归肺癌诊断模型。实验结果显示,模型对肺癌与非肺癌组、肺癌与健康组、肺癌与肺良性病组的判别能力依次为:肺癌与健康组>肺癌与非肺癌组>肺癌与肺良性病组。其中模型对肺癌与肺良性病组的区分效果不明显。 3)设计了呼气受试者信息数据库并开发了相应的数据库管理软件 为方便管理呼气受试者的信息,克服呼气样本数量不足,深入挖掘肺癌相关因素等需求,利用SQL Server2008设计了呼气受试者信息数据库,并在Windows系统的.NET平台下开发了该数据库的管理软件。 4)提出了基于呼出气体的肺癌诊断模型的优化设计方法 VOCs联合受试者影像学、年龄、性别、吸烟情况对肺癌诊断模型进行优化,优化后的模型对肺癌与健康组、肺癌与非肺癌组、肺癌与肺良性病的判别能力明显得到了提高;在此基础上,建立了变量少的二元Logistic回归和随机森林诊断模型,均达到88%左右的诊断率。