本發(fā)明公布使用分子光譜和互聯(lián)網(wǎng)技術(shù)實現(xiàn)腫瘤臨床醫(yī)學(xué)快速診斷方法，涉及腫瘤早期預(yù)報，腫瘤臨床診斷、術(shù)中腫瘤診斷等領(lǐng)域。

背景技術(shù)：

惡性腫瘤疾病是當(dāng)今嚴重威脅人類健康和生命的殺手。目前臨床上常規(guī)診斷方法包括物診、穿刺、內(nèi)鏡、免疫學(xué)、影像學(xué)等。但是，當(dāng)采用上述方法能夠檢測出惡性腫瘤時，往往腫瘤已處于進展期；術(shù)中冰凍活檢取材部位的不確定性也會導(dǎo)致不必要的組織切除；組織病理學(xué)檢查是目前最權(quán)威的惡性腫瘤診斷方法，涉及組織固定、切片、染色和讀片等一系列步驟，不僅費時（需要幾天時間），而且檢測結(jié)果還受到一定的主觀性影響。因此，研究和開發(fā)一種能夠早期發(fā)現(xiàn)惡性腫瘤和快速診斷腫瘤的方法成為腫瘤診斷領(lǐng)域中亟待解決的重大課題。

在腫瘤發(fā)生早期，與正常組織和細胞相比，病灶構(gòu)成主要物質(zhì)如蛋白質(zhì)、脂類、碳水化合物和核酸等在結(jié)構(gòu)、構(gòu)象和含量上已發(fā)生了明顯的變化，但在病變形態(tài)學(xué)上并未產(chǎn)生特異性的臨床癥狀和影像學(xué)改變，因此，使用傳統(tǒng)診斷方法無法進行腫瘤早期的診斷。分子光譜可以表征上述變化。將一束具有連續(xù)波長的紅外光照射組織和細胞時，當(dāng)其分子的振動頻率與入射光的某一頻率相同時，該分子就會吸收此頻率光并發(fā)生振動能級躍遷，產(chǎn)生該分子的分子吸收光譜。每種分子都有獨有的分子光譜。分子光譜能夠從分子水平上反映組織和細胞的組成與結(jié)構(gòu)變化信息。因此，可以通過組織細胞各相應(yīng)基團的分子振動變化來檢測細胞的物質(zhì)組成、結(jié)構(gòu)域構(gòu)象變化等“生化指紋”。已有采用分子光譜進行腫瘤診斷的研究報道，多采用譜帶峰位、峰高、峰強、峰面積以及半高寬等指標并計算不同譜帶的相對強度比值等參數(shù)，通過比較不同性質(zhì)組織之間各項參數(shù)的差異進行腫瘤早期預(yù)報和診斷。近期，分子光譜結(jié)合多元分析進行腫瘤判別分析方法的研究也非?；钴S，有望發(fā)展成為一種可靠的、快速腫瘤診斷技術(shù)。

目前采用分子光譜進行腫瘤診斷還處于研究階段，還不能用于實際臨床診斷。該方法基于分子光譜特征進行診斷，其光譜的測量精度和準確度成為其技術(shù)關(guān)鍵。首先，大多使用商品紅外光譜或近紅外光譜儀器測量患者的光譜，但是，不同腫瘤樣品形態(tài)各異，患部所處的身體部位也不同。目前還缺乏專用測量附件、制樣和光譜測量規(guī)范等，嚴重影響了光譜測量精度，會導(dǎo)致判別結(jié)果錯誤。由于光譜儀器硬件上的微小差異，也會使得同一個樣品在相同型號的2臺儀器上測量光譜不一致，即在一臺儀器上建立的腫瘤診斷光譜數(shù)據(jù)庫，無法在另一臺光譜儀上使用。在每臺儀器建立腫瘤診斷光譜數(shù)據(jù)庫，不僅成本無法承受，而且數(shù)據(jù)庫擴充也不可行。采用譜帶峰位、峰高、峰強、峰面積以及半高寬等指標計算判別指標方法，譜圖噪聲，基線設(shè)定對判斷結(jié)果影響明顯。與之相比，多元分析結(jié)合譜圖的判別方法更具優(yōu)勢。但是無論哪種方法，對于未經(jīng)光譜和化學(xué)計量學(xué)專業(yè)訓(xùn)練的醫(yī)生，在實際診斷中難以直接使用。

綜上所述，雖然分子光譜是腫瘤診斷的理想信息，與多元分析技術(shù)結(jié)合，可以實現(xiàn)腫瘤早期預(yù)報和腫瘤臨床快速診斷。但是，光譜采集精度控制、腫瘤光譜特征提取與判別的成熟方法，腫瘤診斷分子光譜數(shù)據(jù)庫為多臺儀器共享技術(shù)等尚未解決，嚴重制約了該先進技術(shù)在腫瘤臨床診斷領(lǐng)域中的應(yīng)用。一種利用分子光譜和化學(xué)計量學(xué)手段，實現(xiàn)適用于普通醫(yī)院的腫瘤早期診斷、腫瘤臨床快速診斷方法，成為醫(yī)學(xué)領(lǐng)域中亟待解決技術(shù)的問題。

公開于本發(fā)明背景技術(shù)部分的信息僅僅旨在加深對本發(fā)明的一般背景技術(shù)的理解，而不應(yīng)當(dāng)被視為承認或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域技術(shù)人員所公知的現(xiàn)有技術(shù)。

技術(shù)實現(xiàn)要素：

一種基于互聯(lián)網(wǎng)、數(shù)據(jù)庫、多元分析和分子光譜的腫瘤臨床診斷方法。

所述方法的原理特征在于：與正常組織和細胞相比，腫瘤組織和細胞在組成與結(jié)構(gòu)上發(fā)生了改變，其分子光譜也隨之發(fā)生改變。組織和細胞的光譜特征與腫瘤病理特征之間存在著相關(guān)關(guān)系。根據(jù)測量的患者分子光譜，應(yīng)用該相關(guān)關(guān)系，進行正常與腫瘤組織和細胞的判別。

數(shù)據(jù)庫特征在于：根據(jù)不同腫瘤對患者特定部位取樣、采集其分子光譜、采用組織病理學(xué)方法對其進行病理檢驗，應(yīng)用多元分析處理光譜和病理特征數(shù)據(jù)，建立腫瘤診斷分子光譜數(shù)據(jù)庫。

方法特征在于：編制使用分子光譜和腫瘤診斷分子光譜數(shù)據(jù)庫進行腫瘤早期預(yù)報、腫瘤臨床快速診斷的分子光譜腫瘤診斷軟件系統(tǒng)。

分子光譜腫瘤診斷軟件系統(tǒng)特征在于：臨床診斷中，分子光譜腫瘤診斷軟件系統(tǒng)通過互聯(lián)網(wǎng)使用腫瘤診斷分子光譜數(shù)據(jù)庫。

分子光譜腫瘤診斷軟件系統(tǒng)特征在于：光譜測量完成后，光譜數(shù)據(jù)處理，與數(shù)據(jù)庫比對以及顯示結(jié)果報告是自動完成的。

方法的診斷特征在于：醫(yī)生在腫瘤臨床診斷中，根據(jù)不同腫瘤對患者特定部位取樣、采集其分子光譜。使用分子光譜腫瘤診斷軟件系統(tǒng)，借助光譜和腫瘤診斷分子光譜數(shù)據(jù)庫，實現(xiàn)腫瘤早期預(yù)報、腫瘤臨床快速診斷。

數(shù)據(jù)庫特征在于：具有光譜儀器標準化（又稱模型轉(zhuǎn)移）功能，即使用不同儀器采集的光譜均可用于腫瘤診斷分子光譜數(shù)據(jù)庫進行腫瘤診斷。

光譜采集特征在于：光譜采集模式包括多重衰減全反射（atr）、透射和漫反射。

分子光譜包括中紅外光譜范圍（400至4000cm^-1）和近紅外光譜范圍(700-2500nm)?？梢允瞧渲胁糠植ǘ魏筒ㄩL?？梢允沁B續(xù)光譜，也可以是離散波長或波段?？梢允俏展庾V，透過率光譜，能量曲線光譜，或者是干涉圖光譜。

多元分析特征在于：采用的判別方法包括：主成分分析（pca）和馬氏距離判別、simca、pls-da、人工神經(jīng)網(wǎng)絡(luò)、支持向量機、模糊聚類等方法。也包括采用譜帶峰位、峰高、峰強、峰面積以及半高寬等指標計算判別指標方法。

模型轉(zhuǎn)移特征在于：采用模型轉(zhuǎn)移方法包括：ds、pds和改進的pds等。

診斷方法可以用于腫瘤的早期預(yù)報、術(shù)中腫瘤快速診斷。可以用于術(shù)中取樣診斷、微創(chuàng)介入診斷、無創(chuàng)診斷和體內(nèi)原位診斷等。

與傳統(tǒng)的腫瘤診斷方法相比本發(fā)明具有以下特點：

1.基于組織和細胞的光譜特征與腫瘤病理特征之間存在著相關(guān)關(guān)系。根據(jù)測量的患者分子光譜，應(yīng)用該相關(guān)關(guān)系，進行正常與腫瘤組織和細胞的判別。

2.根據(jù)不同腫瘤對患者特定部位取樣、采集其分子光譜、采用標準方法對其進行病理檢驗，應(yīng)用多元分析處理光譜和病理特征數(shù)據(jù)，建立腫瘤診斷分子光譜數(shù)據(jù)庫；

3.編制使用分子光譜和腫瘤診斷分子光譜數(shù)據(jù)庫進行腫瘤早期預(yù)報、腫瘤臨床快速診斷的分子光譜腫瘤診斷軟件系統(tǒng)。

4.在腫瘤臨床診斷中，根據(jù)不同腫瘤對患者特定部位取樣、采集其分子光譜。使用分子光譜腫瘤診斷軟件系統(tǒng)，借助光譜和腫瘤診斷分子光譜數(shù)據(jù)庫，實現(xiàn)腫瘤早期預(yù)報、腫瘤臨床快速診斷。

5.臨床診斷中，分子光譜腫瘤診斷軟件系統(tǒng)通過互聯(lián)網(wǎng)使用腫瘤診斷分子光譜數(shù)據(jù)庫。

6.腫瘤診斷分子光譜數(shù)據(jù)庫具有光譜儀器標準化（又稱模型轉(zhuǎn)移）功能，即使用不同儀器采集的光譜均可用于腫瘤診斷分子光譜數(shù)據(jù)庫進行腫瘤診斷。

7.該方法可以用于腫瘤的早期預(yù)報、術(shù)中腫瘤快速診斷。可以用于術(shù)中取樣診斷、微創(chuàng)介入診斷、無創(chuàng)診斷和體內(nèi)原位診斷等。

8.本發(fā)明具有準確、快速、無創(chuàng)、原位、廉價、自動化、可重復(fù)、無需預(yù)處理、能夠在分子水平上實現(xiàn)早期診斷等顯著優(yōu)勢。

附圖說明

圖1本發(fā)明工藝流程；

圖2為乳腺腫瘤組織和正常組織紅外光譜圖；

圖3為全部樣品的主成分分析得分圖；

圖4為pls分類效果圖。

具體實施方式

下面結(jié)合附圖，通過乳腺腫瘤的診斷過程作為具體實施案例進一步描述本發(fā)明，但不以任何方式限制本發(fā)明的范圍。

工藝流程如圖1所示，在乳腺腫瘤臨床診斷中，依托互聯(lián)網(wǎng)+光譜腫瘤臨床醫(yī)學(xué)診斷數(shù)據(jù)庫，用戶端通過已定制的光譜掃描儀對待測樣品進行掃描，并遠程傳輸?shù)胶笈_，打開光譜數(shù)據(jù)庫，通過觀察和對比正常組織和腫瘤組織譜學(xué)參數(shù)的差異進行分類鑒別；或者選擇已建立好的模型，軟件自動進行驗證計算，軟件顯示預(yù)測值，并將預(yù)測數(shù)據(jù)傳送給客戶端。實現(xiàn)腫瘤早期預(yù)報、腫瘤臨床快速診斷。

1.使用傅里葉變換紅外光譜儀與中紅外光纖、衰減全反射（atr）探頭聯(lián)用測定乳腺腫瘤

(1).樣品來源：36名因乳腺腫物住院接受手術(shù)切除的患者和5名健康者。

(2)分子光譜采集：使用傅里葉變換紅外光譜儀與中紅外光纖、衰減全反射（atr）探頭聯(lián)用測定，測定前使用酒精分別清潔atr探頭及待測部位皮膚，將兩者緊密接觸掃描32次，分辨率為4cm^-1,掃描范圍4000~400cm^-1。每次掃描前需進行背景掃描以扣除空氣和雜質(zhì)的影響。對于患者分別測定腫物所對應(yīng)皮膚中心點和非腫物側(cè)乳房與腫物相對稱部位的體表皮膚，健康者測定左右乳的上、下、左、右的8個皮膚測定點。

(3).正常組織和腫瘤組織光譜對比：圖2為乳腺腫瘤組織和正常組織紅外光譜圖，a為腫瘤組織光譜，b為正常組織光譜?；颊邎D譜相關(guān)峰的吸光度普遍高于正常組織，這與腫瘤細胞代謝特點相似，即腫瘤組織比正常組織代謝旺盛。與正常組織相比，惡性組織的ftir光譜中與蛋白質(zhì)（1640,1550cm^-1）、脂類（1400cm^-1）、糖類（1160,1120,1030cm^-1）、核酸（1080cm^-1）有關(guān)的吸收峰位普遍藍移，這體現(xiàn)了乳腺中物體分子結(jié)構(gòu)的明顯變化。惡性組織分別代表酰胺ⅰ及ⅱ帶位于1640及1550cm^-1處的吸收峰相對峰強升高，而半高寬則降低，吸收峰形變得高而尖。由此可見，蛋白質(zhì)結(jié)構(gòu)的變化對紅外光譜的影響是復(fù)雜的，有待于進一步的研究。脂類相關(guān)的吸收峰（2925,2855,1743和1460cm^-1）的相對峰強降低，半高寬降低，表面脂類含量明顯減少。位于1160cm^-1的吸收峰是糖類c-o伸縮振動與蛋白質(zhì)c-oh振動的重疊帶；1030cm^-1處是許多吸收峰的重疊部位，對該類物質(zhì)的分析需要通過分峰或者曲線擬合的方式進行。糖類相關(guān)的吸收峰強大升高，與惡性腫瘤代謝旺盛糖原合成增加相符。由此可見通過觀察和對比分析正常組織和腫瘤組織的多個譜學(xué)參數(shù)（如峰位、峰高、峰位差、峰高比等）的差異進行簡單的分類判別。然而要想對光譜信息進行深入系統(tǒng)的研究，需要依靠化學(xué)計量學(xué)方法和計算機技術(shù)相結(jié)合，克服傳統(tǒng)鑒別方法的局限性、復(fù)雜性及主觀性。本發(fā)明對乳腺腫瘤和正常組織的ftir中紅外光譜進行了模式識別的應(yīng)用研究，進一步提高惡性腫瘤中紅外光譜早期診斷方法的判別效果。

(4).采用matlab語言自行編制simca模式識別程序，對乳腺樣本光譜進行分類判別。使用計算機對采集的光譜進行微分、msc、主成分分析等，建立了simca鑒別模型，其中，乳腺腫瘤模型含28個樣品，正常組織模型含32個樣品。圖3為全部樣品的主成分分析得分圖，由此可以看出，樣品根據(jù)性質(zhì)不同（正常組織和惡性腫瘤）得到明顯區(qū)分。使用上述模型對8個惡性腫瘤，18個正常組織樣本進行自動識別，其結(jié)果如表1所示，表明獲得了96.1%的正確分選。

表1

2近紅外激光拉曼光譜用于胃癌診斷

測試了101例新鮮胃組織的拉曼光譜，其中正常組織56例，病理診斷癌變組織45例。用matlab編制偏最小二乘投影判別方法，對變量數(shù)據(jù)進行處理，建立胃癌診斷模式，實現(xiàn)兩類樣品的分類判別。由30個腫瘤光譜和42個正常組織光譜組成校正集，設(shè)腫瘤組織和正常組織的相應(yīng)變量分別為1和2；即腫瘤組織為第1類，正常組織為第2類。然后使用pls程序建立了類型與光譜數(shù)據(jù)關(guān)聯(lián)模型，并對所建立的模型進行驗證和評價，結(jié)果如圖4。

x:72個試樣在各n分析通道的響應(yīng)組成的（72×n）光譜強度矩陣；

y：72個試樣組成的（72×2）類別矢量；

b：72個試樣在n哥分析通道的靈敏度組成的（n×72）靈敏度矢量；

e：（72×n）光譜強度殘差矩陣。

1~15號為腫瘤組織樣品，16~29號為正常組織樣品。由圖可知腫瘤組織樣品的分類值小于1.5，正常組織樣品的分類值大于1.5，所以根據(jù)分類值的大小可以劃分出組織類別歸屬。其中有3個樣品分類出現(xiàn)偏差，這可能是由于所采集樣品數(shù)目有限，需要我們繼續(xù)擴充樣品集數(shù)量，提高模型判別能力。