近日，中國科學院合肥物質院安光所環境光學中心FTIR團隊與中國科學院合肥腫瘤醫院鄧慶梅團隊合作，創新性地將傅里葉變換近紅外光譜技術(NIRS)與人工智能相結合，顯著提高了肺癌識別準確率。相關研究成果《基于雙跡二維近紅外光譜與機器學習的血紅蛋白指紋圖譜解碼:肺癌早期診斷新策略》發表于光譜學權威期刊SPECTROCHIMICA ACTA PART A-MOLECULAR AND BIOMOLECULAR SPECTROSCOPY。該成果標志著安光所FTIR團隊開啟光學醫學診斷領域新方向。

肺癌又叫支氣管肺癌，是全球發病率和死亡率最高的惡性腫瘤之一。肺癌的早期診斷是提高治療效果的有效途徑，主要采取的是影像學和痰液細胞學檢查等，然而，上述傳統診斷手段往往存在侵入性強、成本高以及準確率不足等問題，導致大多數患者在確診時已處于晚期。而本研究利用自主研發設備檢測血紅蛋白光譜特征，為非侵入性篩査提供了全新解決方案。

研究團隊利用安光所FTIR團隊自主研發的傅里葉變換近紅外光譜儀，開展了針對肺癌患者血液成分的指紋光譜深入分析。通過運用連續小波變換(CWT)和雙跡二維相關分析(2T2D-COS)等技術手段，研究人員成功捕捉并放大了血紅蛋白（Hb）二級結構在分子振動層面的細微差異。研究發現在4862cm^-1、4615 cm^-1和4432 cm^-1三個特征波段，肺癌患者與健康對照組的Hb的二級結構（如α螺旋與β折疊）存在顯著差異。基于這些發現，研究團隊利用機器學習算法構建了早期肺癌的"光譜指紋"識別模型，臨床試驗顯示，該診斷方法的準確率高達97.50%，特異性也達到90.91%。

該研究不僅為肺癌的早期精準診斷開辟了全新的方向，也為未來的臨床應用奠定了堅實基礎。目前，該研究成果申請了國家發明專利一項。

安光所方仁杰博士為論文第一作者，安光所韓昕副研究員和合肥腫瘤醫院鄧慶梅主任為論文通訊作者。該研究得到了國家自然科學基金、國家重點研發計劃的資助支持。

文章鏈接：https://doi.org/10.1016/j.saa.2025.126107

基于血紅蛋白的指紋圖譜分析流程示意圖

原理樣機