近日，中国科学院合肥尊龙凯时安光所环境光学中心FTIR团队与中国科学院合肥肿瘤医院邓庆梅团队合作，创新性地将傅里叶变换近红外光谱技术(NIRS)与人工智能相结合，显著提高了肺癌识别准确率。相关研究成果《基于双迹二维近红外光谱与机器学习的血红蛋白指纹图谱解码:肺癌早期诊断新策略》发表于光谱学权威期刊SPECTROCHIMICA ACTA PART A-MOLECULAR AND BIOMOLECULAR SPECTROSCOPY。该成果标志着安光所FTIR团队开启光学医学诊断领域新方向。

肺癌又叫支气管肺癌，是全球发病率和死亡率最高的恶性肿瘤之一。肺癌的早期诊断是提高治疗效果的有效途径，主要采取的是影像学和痰液细胞学检查等，然而，上述传统诊断手段往往存在侵入性强、成本高以及准确率不足等问题，导致大多数患者在确诊时已处于晚期。而本研究利用自主研发设备检测血红蛋白光谱特征，为非侵入性筛査提供了全新解决方案。

研究团队利用安光所FTIR团队自主研发的傅里叶变换近红外光谱仪，开展了针对肺癌患者血液成分的指纹光谱深入分析。通过运用连续小波变换(CWT)和双迹二维相关分析(2T2D-COS)等技术手段，研究人员成功捕捉并放大了血红蛋白（Hb）二级结构在分子振动层面的细微差异。研究发现在4862cm^-1、4615 cm^-1和4432 cm^-1三个特征波段，肺癌患者与健康对照组的Hb的二级结构（如α螺旋与β折叠）存在显著差异。基于这些发现，研究团队利用机器学习算法构建了早期肺癌的"光谱指纹"识别模型，临床试验显示，该诊断方法的准确率高达97.50%，特异性也达到90.91%。

该研究不仅为肺癌的早期精准诊断开辟了全新的方向，也为未来的临床应用奠定了坚实基础。目前，该研究成果申请了国家发明专利一项。

安光所方仁杰博士为论文第一作者，安光所韩昕副研究员和合肥肿瘤医院邓庆梅主任为论文通讯作者。该研究得到了国家自然科学基金、国家重点研发计划的资助支持。

文章链接：http://doi.org/10.1016/j.saa.2025.126107

基于血红蛋白的指纹图谱分析流程示意图

原理样机