基于等离子体的近红外光谱学用于早期诊断肺癌

科学领域:

• 生物医学光谱学 生物医学光谱学
• 医学诊断 医学诊断 医学诊断
• 计算生物学 计算生物学

背景情况:

• 肺癌 (LC) 仍然是死亡的重要原因,主要是由于诊断延迟.
• 有效的早期检测方法对于改善患者的治疗结果和生存率至关重要.
• 基于等离子体的诊断为疾病检测提供了一种最小侵入性的方法.

研究的目的:

• 评估基于等离子体的近红外光谱 (NIRS) 对肺癌 (LC) 早期诊断的疗效.
• 评估各种机器学习 (ML) 算法的性能与NIRS数据一起用于LC检测.
• 研究不同光谱预处理技术对诊断准确性的影响.

主要方法:

• 收集了171个血样本:73个健康对照 (HC),73个LC和25个良性肺瘤 (B).
• 应用了NIRS来测量血光谱,然后进行预处理 (例如,SNV,MSC,Savitzky-Golay).
• 在训练数据上使用ML算法 (PLS,SVM,梯度提升,随机森林) 开发了诊断模型,并在五次比较中对测试数据进行了评估.

主要成果:

• 支持矢量机器 (SVM) 在区分LC与HC,B与HC以及患病组 (D) 与HC时实现了完美的精度 (1.0) 和kappa (1.0),突出了预处理的重要性.
• 部分最小平方 (PLS) 在所有比较中都表现出一致的稳定性和高预测性能.
• 没有一个测试的算法能够可靠地区分良性肺瘤 (B) 和LC.

结论:

• 基于等离子体的NIRS与ML算法相结合,为早期肺癌检测提供了快速,非侵入性,有效和经济的方法.
• 光谱预处理是优化ML诊断模型性能的一个关键因素.
• 需要进一步的研究来完善区分良性肺部疾病与恶性肺癌的方法.