近日，中国科学院合肥物质科学研究院研究员李相贤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。相关研究成果发表于《光谱化学学报A辑-分子和生物分子光谱学》。

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，主要采取影像学和痰液细胞学检查等。然而，这些传统诊断手段往往存在侵入性强、成本高及准确率不足等问题，大多数患者在确诊时已处于晚期。

研究团队利用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。通过采取连续小波变换和双迹二维相关分析等技术手段，研究人员成功捕捉并放大了血红蛋白二级结构在分子振动层面的细微差异。研究发现，在2.05微米、2.17微米和2.26微米三个特征波段，肺癌患者与健康对照组的血红蛋白的二级结构存在显著差异。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，该方法的肺癌诊断准确率高达97.50%，特异性也达到90.91%，为非侵入性筛查提供了全新解决方案。

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

相关论文信息：https://doi.org/10.1016/j.saa.2025.126107

（原载于《中国科学报》 2025-04-09 第4版 综合）