论文部分内容阅读
肿瘤按生长方式不同分为良性与恶性两大类,近年来恶性肿瘤以肺癌的发病率和死亡率增长最快。良性肿瘤与恶性肿瘤具有不同的特点,良性肿瘤通常生长缓慢,完整切除后预后良好;而恶性肿瘤通常生长迅速,并容易发生转移导致患者死亡。此外,两者的手术治疗方案和预后一般不同。因此,准确识别出良性肿瘤与恶性肿瘤具有非常重要的临床意义。病理诊断是目前鉴别良性肿瘤与恶性肿瘤的经典方法,但是仍存在其固有的局限性。由于在病理诊断中一般是先将组织制成石蜡切片,再根据检测需要制成苏木素-伊红(hematoxylin-eosin,HE)染色切片等。因此,本文采用中红外光谱法(mid-infrared spectroscopy,MIRS)结合化学计量学技术,基于组织在癌变过程中发生量等变化的核酸、糖、蛋白质和脂类等生物大分子,鉴别肺部良性肿瘤(硬化性肺泡细胞瘤)与恶性肿瘤(肺原位腺癌)的石蜡切片和HE染色切片,为临床上提供一种客观、准确、快速、简便、经济的肺部良性与恶性肿瘤的辅助诊断方法。目的:建立一种客观、准确、快速、简便、经济的鉴别肺部良性肿瘤与恶性肿瘤的中红外光谱分析法,以辅助肿瘤组织的病理诊断。方法:1.基于石蜡切片建立并验证鉴别肺部良性与恶性肿瘤的模型以扫描范围4000-1900 cm-1、分辨率8 cm-1和扫描次数64次测量50片石蜡切片的中红外透射光谱(mid-infrared transmittance spectra,MIRTS)。基于其MIRTS,分别建立并验证鉴别肺部良性与恶性肿瘤的判别分析(discriminant analysis,DA)模型和对向传播人工神经网络(counter propagation artificial neural network,CP-ANN)模型。2.基于HE染色切片建立并验证鉴别肺部良性与恶性肿瘤的模型以扫描范围4000-1900 cm-1、分辨率8 cm-1和扫描次数64次测量50片HE染色切片的MIRTS。基于其MIRTS,分别建立并验证鉴别肺部良性与恶性肿瘤的DA模型和CP-ANN模型。3.基于石蜡切片和HE染色切片建立并验证鉴别肺部良性与恶性肿瘤的模型基于上述石蜡切片和HE染色切片的MIRTS,分别建立并验证鉴别肺部良性与恶性肿瘤的DA模型和CP-ANN模型。结果:1.基于石蜡切片的MIRTS,所建DA模型的校正集正判率(classification accuracy of calibration,CAC)和验证集正判率(classification accuracy of validation,CAV)均为100.0%,所建CP-ANN模型的CAC、交叉验证正判率(classification accuracy of cross validation,CACV)和CAV均为100.0%。2.基于HE染色切片的MIRTS,所建DA模型的CAC和CAV均为100.0%,所建CP-ANN模型的CAC和CAV均为100.0%、CACV为96.0%。3.基于上述石蜡切片和HE染色切片的MIRTS,所建DA模型的CAC和CAV均为100.0%,所建CP-ANN模型的CAC和CAV均为100.0%、CACV为98.0%。结论:无论是基于石蜡切片还是HE染色切片的MIRTS,所建DA模型和CP-ANN模型的CAC和CAV均为100.0%,说明所建模型可以准确鉴别肺部良性与恶性肿瘤。由于石蜡切片是病理切片的基本储存形式,以其为检测样品无需进行HE染色等繁琐耗时的样品前处理就可以辅助临床诊断,因此最终选择石蜡切片的DA模型进行鉴别。此外,基于石蜡切片和HE染色切片的MIRTS,所建DA模型和CP-ANN模型的CAC和CAV均为100.0%,证明所用建模方法是基于良性肿瘤与恶性肿瘤的本质差异(而不是样品类型即石蜡切片与HE染色切片的差异)进行分类。所建鉴别肺部良性与恶性肿瘤的方法具有客观、准确、快速、简便、经济的优点,可用于辅助肺部肿瘤组织的病理诊断。