目的:采用血清代谢指纹采集方法筛选肺癌相关差异调控代谢物，为肺癌诊断提供候选标志物。方法:在上海长海医院开展队列入组工作，共纳入2021年1月27日至6月4日的228例受试者，其中包括初诊确认肺癌患者97例和健康体检人群131名。根据标准流程采集入组队列血清样本，并通过分层随机抽样，将入组队列分为训练集和完全独立的验证集。采用纳米辅助激光解吸电离质谱对血清样品进行代谢指纹图谱采集。对训练集样本年龄、性别进行质量控制后，通过机器学习算法构建基于血清代谢指纹图谱的诊断模型，并采用受试者工作特征（ROC）曲线评价模型的分类效能。结果:通过新型纳米辅助激光解吸电离质谱，可在1 min内完成血清样品的代谢指纹提取，过程仅需消耗1 μl原始血清。针对训练集，基于此构建的分类器诊断肺癌的ROC曲线下面积（AUC）为0.92（95% CI 0.87~0.97），敏感度为89%，特异度为89%。在独立验证队列中，AUC为0.96（95% CI 0.90~1.00），敏感度为91%，特异度为94%，没有表现出性能损失。确定了由5个代谢物组成的标志物组合，展示了肺癌患者的独特代谢模式。 结论:本研究结合血清代谢指纹图谱和机器学习建立了肺癌的诊断模型，用于区分肺癌患者以及健康对照，可用于临床的体外诊断。

质谱;肺癌;代谢组指纹;机器学习;实验诊断

张雨欣;贺琤雯;黄琳;钱昆;陈伟;贾音;胡晶晶;韦琴;王希平;刘善荣

上海交通大学生物医学工程学院和医疗机器人研究所，上海200030;海军军医大学附属长海医院实验诊断科，上海200433;上海市胸科医院检验科，上海200230

中华检验医学杂志

[1]张雨欣;贺琤雯;黄琳;钱昆;陈伟;贾音;胡晶晶;韦琴;王希平;刘善荣-.血清代谢组指纹联合机器学习诊断肺癌)[J].中华检验医学杂志,2022(03):226-233

代谢组指纹

联合机,学习诊断,用血,采集方法,肺癌诊断,长海,组工,初诊,肺癌患者,健康体检人群,标准流程,组队,血清样本,分层随机抽样,训练集,验证集,激光解吸,电离,指纹图谱,本年,机器学习算法,诊断模型,受试者工作特征,指纹提取,分类器,代谢物组,体外诊断,实验诊断

0.249566