基于HPPI-TOFMS的早期肺癌诊断呼出气标志物筛选及其应用

基于hppi-tofms的早期肺癌诊断呼出气标志物筛选及其应用
技术领域
1.本发明属于医学诊断领域，涉及基于hppi-tofms的早期肺癌诊断呼出气标志物筛选及其应用，具体提供了16种挥发性有机化合物vocs作为肺癌呼气生物标记物的开发及在诊断肺癌中的应用。


背景技术：

2.肺癌是全球癌症相关死亡的主要原因。早期诊断和治疗对提高肺癌生存率至关重要。然而，由于缺乏早期临床表现和特异性生物标志物，肺癌的早期检测和诊断仍具有挑战性。年度低剂量胸部计算机断层扫描(low-dose computed tomography,ldct)筛查可显著降低肺癌特异性死亡率。然而，ldct筛查的应用在多个方面都具有挑战性。高成本、辐射暴露和高假阳性率阻碍了ldct在大规模筛查中的应用。目前，迫切需要一种高度准确、无创的肺癌筛查方法。
3.呼气组学被认为是一种很有前景的肺癌筛查方法。癌变和癌症进展过程中基因组和转录组的改变将导致代谢途径失调和异常代谢物的积累。在众多代谢物中，癌症衍生的挥发性有机化合物(volatile organic compounds，vocs)可以扩散到肺泡，并可以在呼出气中检测到。呼出气体中的voc浓度同其血液浓度有良好相关性。气相色谱-质谱(gas chromatography-mass spectrometry，gc-ms)目前被认为是呼气生物标志物识别和量化的“金标准”。
4.尽管gc-ms技术成熟，但繁琐的预处理步骤和耗时的检测过程限制了其应用。其他直接质谱检测方法，如二次电喷雾电离、选择离子流管和质子转移反应，也被用于呼气的快速检测；然而，呼出气中的大量水蒸气使电离过程更加复杂，并增加了数据分析的复杂性。与之相对，高压光子电离飞行时间质谱(high-pressure photon ionization time-of-flight mass spectrometry，hppi-tofms)具有灵敏度高、无需预处理、耐湿性好等优点，在呼气检测中备受关注。既往研究中，hippi-tofms已经用于监测手术期间呼气异丙酚浓度、检测尿液中的挥发性代谢物和区分混合风味化合物。


技术实现要素：

5.本发明的解决的技术问题是肺癌诊断。本发明提供hppi-tofms的早期肺癌诊断呼出气标志物筛选及其应用，具体提供了16种挥发性有机化合物vocs作为肺癌呼气生物标记物的开发及在诊断肺癌中的应用。
6.本发明提供了16种挥发性有机化合物作为肺癌呼气生物标记物在开发用于诊断或辅助诊断肺癌的产品中的应用。
7.所述应用中，所述16种挥发性有机化合物的丰度作为肺癌呼气生物标记物。
8.所述16种挥发性有机化合物的丰度指的是受试者的呼气样本中16种挥发性有机化合物的丰度。
9.所述应用中，诊断或辅助诊断肺癌的方法如下：将16种挥发性有机化合物的丰度
代入模型公式，获得p值，然后根据诊断标准进行诊断或辅助诊断。
10.本发明还提供了用于检测16种挥发性有机化合物的物质在制备用于诊断或辅助诊断肺癌的产品中的应用。
11.所述检测16种挥发性有机化合物的物质具体可为检测16种挥发性有机化合物的丰度的物质。
12.所述检测16种挥发性有机化合物的物质具体可为检测受试者的呼气样本中16种挥发性有机化合物的丰度的物质。
13.所述应用中，诊断或辅助诊断肺癌的方法如下：将16种挥发性有机化合物的丰度代入模型公式，获得p值，然后根据诊断标准进行诊断或辅助诊断。
14.本发明还提供了一种用于诊断或辅助诊断肺癌的产品，包括用于检测16种挥发性有机化合物的物质。
15.所述检测16种挥发性有机化合物的物质具体可为检测16种挥发性有机化合物的丰度的物质。
16.所述检测16种挥发性有机化合物的物质具体可为检测受试者的呼气样本中16种挥发性有机化合物的丰度的物质。
17.所述产品还包括记载有模型公式和诊断标准的载体。
18.模型公式如下：p＝1/(1 e-(-0.01x1 0.001x2 0.001x3 0.01x4-0.001x5 0.001x6-0.027x7-0.004x8 0.022x9 0.005x10-0.007x11 0.001x12-0.005x13 0.034x14 0.073x15 0.007x16-5.181)
)。
19.模型公式中，x1至x16依次对应乙醛、2-羟基乙醛、异戊二烯、戊醛、丁酸、甲苯、2,5-二甲基呋喃、环己酮、己醛、庚醛、苯乙酮、丙基环己烷、辛醛、壬醛、癸醛和2,2-二甲基癸烷的谱峰值。
20.诊断标准：p＝0.267为阈值，大于等于阈值诊断为肺癌，小于阈值诊断为非肺癌。
21.以上任一所述16种挥发性有机化合物为：乙醛、2-羟基乙醛、异戊二烯、戊醛、丁酸、甲苯、2,5-二甲基呋喃、环己酮、己醛、庚醛、苯乙酮、丙基环己烷、辛醛、壬醛、癸醛和2,2-二甲基癸烷。
22.所述丰度具体可为谱峰值。
23.所述丰度具体可为基于m/z值和hppi-tofms的电离模型识别的挥发性有机化合物的谱峰值。
24.用于检测16种挥发性有机化合物的物质可为装置或试剂组合。
25.用于检测16种挥发性有机化合物的物质可为hppi-tofms仪器。
26.用于检测16种挥发性有机化合物的物质可为tedlar袋和hppi-tofms仪器。
27.用于检测16种挥发性有机化合物的物质可为hppi-tofms所需试剂。
28.用于检测16种挥发性有机化合物的物质可为tedlar袋和hppi-tofms所需试剂。
29.本发明提供了8种挥发性有机化合物作为肺癌呼气生物标记物在开发用于诊断或辅助诊断肺癌的产品中的应用。
30.所述应用中，所述8种挥发性有机化合物的丰度作为肺癌呼气生物标记物。
31.所述8种挥发性有机化合物的丰度指的是受试者的呼气样本中8种挥发性有机化合物的丰度。
32.所述应用中，诊断或辅助诊断肺癌的方法如下：将8种挥发性有机化合物的丰度代
入模型公式，获得p值，然后根据诊断标准进行诊断或辅助诊断。
33.本发明还提供了用于检测8种挥发性有机化合物的物质在制备用于诊断或辅助诊断肺癌的产品中的应用。
34.所述检测8种挥发性有机化合物的物质具体可为检测8种挥发性有机化合物的丰度的物质。
35.所述检测8种挥发性有机化合物的物质具体可为检测受试者的呼气样本中8种挥发性有机化合物的丰度的物质。
36.所述应用中，诊断或辅助诊断肺癌的方法如下：将8种挥发性有机化合物的丰度代入模型公式，获得p值，然后根据诊断标准进行诊断或辅助诊断。
37.本发明还提供了一种用于诊断或辅助诊断肺癌的产品，包括用于检测8种挥发性有机化合物的物质。
38.所述检测8种挥发性有机化合物的物质具体可为检测8种挥发性有机化合物的丰度的物质。
39.所述检测8种挥发性有机化合物的物质具体可为检测受试者的呼气样本中8种挥发性有机化合物的丰度的物质。
40.所述产品还包括记载有模型公式和诊断标准的载体。
41.模型公式如下：
42.p＝1/(1 e-(0.001x1 0.002x2 0.004x3-0.001x4 0.019x5 0.021x6-0.004x7-0.011x8-6.454)
)。
43.模型公式中，x1至x8依次对应异戊二烯、己醛、戊醛、丙基环己烷、壬醛、2,2-二甲基癸烷、庚醛和癸醛的谱峰值。
44.诊断标准：p＝0.236为阈值，大于等于阈值诊断为肺癌，小于阈值诊断为非肺癌。
45.以上任一所述8种挥发性有机化合物为：异戊二烯、己醛、戊醛、丙基环己烷、壬醛、2,2-二甲基癸烷、庚醛和癸醛。
46.所述丰度具体可为谱峰值。
47.所述丰度具体可为基于m/z值和hppi-tofms的电离模型识别的挥发性有机化合物的谱峰值。
48.用于检测8种挥发性有机化合物的物质可为装置或试剂组合。
49.用于检测8种挥发性有机化合物的物质可为hppi-tofms仪器。
50.用于检测8种挥发性有机化合物的物质可为tedlar袋和hppi-tofms仪器。
51.用于检测8种挥发性有机化合物的物质可为hppi-tofms所需试剂。
52.用于检测8种挥发性有机化合物的物质可为tedlar袋和hppi-tofms所需试剂。
53.本发明还保护异戊二烯作为肺癌呼气生物标记物在开发用于诊断或辅助诊断肺癌的产品中的应用。
54.所述应用中，异戊二烯的丰度作为肺癌呼气生物标记物。
55.异戊二烯的丰度指的是受试者的呼气样本中异戊二烯的丰度。
56.所述丰度具体可为谱峰值。
57.所述丰度具体可为基于m/z值和hppi-tofms的电离模型识别的异戊二烯的谱峰值。
58.本发明还保护用于检测异戊二烯的物质在制备用于诊断或辅助诊断肺癌的产品
中的应用。
59.所述应用中，异戊二烯的丰度作为肺癌呼气生物标记物。
60.异戊二烯的丰度指的是受试者的呼气样本中异戊二烯的丰度。
61.所述丰度具体可为谱峰值。
62.所述丰度具体可为基于m/z值和hppi-tofms的电离模型识别的异戊二烯的谱峰值。
63.用于检测异戊二烯的物质可为装置或试剂组合。
64.用于检测异戊二烯的物质可为hppi-tofms仪器。
65.用于检测异戊二烯的物质可为tedlar袋和hppi-tofms仪器。
66.用于检测异戊二烯的物质可为hppi-tofms所需试剂。
67.用于检测异戊二烯的物质可为tedlar袋和hppi-tofms所需试剂。
68.本发明还保护己醛作为肺癌呼气生物标记物在开发用于诊断或辅助诊断肺癌的产品中的应用。
69.所述应用中，己醛的丰度作为肺癌呼气生物标记物。
70.己醛的丰度指的是受试者的呼气样本中己醛的丰度。
71.所述丰度具体可为谱峰值。
72.所述丰度具体可为基于m/z值和hppi-tofms的电离模型识别的己醛的谱峰值。
73.本发明还保护用于检测己醛的物质在制备用于诊断或辅助诊断肺癌的产品中的应用。
74.所述应用中，己醛的丰度作为肺癌呼气生物标记物。
75.己醛的丰度指的是受试者的呼气样本中己醛的丰度。
76.所述丰度具体可为谱峰值。
77.所述丰度具体可为基于m/z值和hppi-tofms的电离模型识别的己醛的谱峰值。
78.用于检测己醛的物质可为装置或试剂组合。
79.用于检测己醛的物质可为hppi-tofms仪器。
80.用于检测己醛的物质可为tedlar袋和hppi-tofms仪器。
81.用于检测己醛的物质可为hppi-tofms所需试剂。
82.用于检测己醛的物质可为tedlar袋和hppi-tofms所需试剂。
83.本发明的发明人通过使用hppi-tofms进行围术期呼气组学检测，确定了肺癌的16种呼气生物标志物，其组合能够区分肺癌患者和健康人，可用于临床实践以优化肺癌筛查方案。
附图说明
84.图1为发现性研究的流程示意图。
85.图2为实施例1中的质谱图示例。a：患者术前(左)和术后4周(右)的质谱图。b：手术前质谱鉴定16种vocs。患者特征：女性，52岁，ia3期。
86.图3为肺癌患者呼出气中16种vocs的围术期动态变化。p值代表术前和术后4周峰值强度差异，来自wilcoxon配对符号秩和检验。po：手术后。
87.图4为验证性研究的流程示意图。
88.图5为肺癌患者和健康人vocs谱峰值强度的比较。p值来自mann
–
whitney u测试。hi：健康的人；lc：肺癌。
89.图6为关于呼气vocs和肺癌的图例组合。a：火山图显示肺癌患者和健康人呼气voc峰值强度的变化和差异。b-c：健康人和肺癌患者中16种vocs的相关性分析。d：16种vocs在肺癌诊断中的表现。e：16种vocs的组合在肺癌诊断中的表现。f：8中vocs组合在肺癌诊断中的表现。
具体实施方式
90.下面结合具体实施方式对本发明进行进一步的详细描述，给出的实施例仅为了阐明本发明，而不是为了限制本发明的范围。以下提供的实施例可作为本技术领域普通技术人员进行进一步改进的指南，并不以任何方式构成对本发明的限制。
91.下述实施例中的实验方法，如无特殊说明，均为常规方法，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
92.如无特殊说明，以下实施例中的定量试验，均设置三次重复实验，结果取平均值。
93.实施例中，分类数据以频率(百分比)表示，连续数据以平均值
±
标准差或中位数(四分位间距)表示。采用wilcoxon配对符号秩和检验评估围术期vocs峰值强度的变化。组间的差异的评估方法包括方差分析、皮尔逊卡方检验、mann-whitney u检验及kruskal-wallis检验。采用多元logistic回归模型和有条件向后方法研究肺癌与vocs峰值强度之间的关系。建立基于多因素logistic回归的临床预测模型以评估vocs用于肺癌诊断的性能。在验证性研究中，计算敏感性、特异性、准确性、阳性预测值和阴性预测值，以评估呼气vocs对肺癌的诊断性能。绘制受试者工作曲线，并计算曲线下面积(area under the curve，auc)。差异检验中，双尾p值《0.05被认为有统计学显著性。所有分析均使用ibm spss统计软件windows版(24.0版本，ibm corp.，armonk，ny，usa)和r工具(4.1.2版)进行。
94.实施例1、生物标志物的筛选(发现性研究)
95.发现性研究的流程示意图如图1所示。
96.一、受试者的筛选以及受试者信息
97.发现性研究于2020年9月至12月在北京大学人民医院进行。在三个时间点采集呼气样本，即手术当天(术前)、术后3天和术后4周的早晨。本研究经北京大学人民医院伦理委员会批准(2019phb095-01)。所有患者均被告知研究方案，并在进入研究前获得书面同意。该研究是按照诊断准确性报告标准(stard)报告指南(bossuyt pm,reitsma jb,bruns de,gatsonis ca,glasziou pp,irwig l,et al.stard 2015:an updated list of essential items for reporting diagnostic accuracy studies.bmj.2015；351:h5527.doi:10.1136/bmj.h5527.)进行的。
98.发现性研究中受试者纳入标准为：疑似肺部病变的患者，年龄≥18年，并计划接受外科手术切除。术前排除标准如下：(1)术前5年内有癌症史；(2)术前抗肿瘤治疗；(3)活动性感染；(4)肝或肾功能障碍；(5)缺乏参与的书面知情同意书。术后排除标准如下：(1)经病理证实的良性肺部疾病；(2)缺乏有计划的呼气采样；(3)可能影响呼气组学检测的严重围术期并发症。发现性研究期间，共有112名患者接受肺部手术。根据术前排除标准排除了18
名患者。6名患者术后病理诊断为良性疾病，因此被排除。另外4名患者因术后4周缺乏呼气采样而被排除。研究期间未见严重并发症或死亡。最终，84名肺癌患者(包括27名男性和57名女性)被纳入数据分析(患者特征见表1)。平均年龄为55.0
±
10.2岁。大多数患者诊断为早期腺癌。楔形切除术最常见，其次是肺叶切除术和肺段切除术。
99.表1肺癌患者特征
100.特征数据(n＝84)社会人口学资料 年龄，岁55.0
±
10.2性别(女)57(67.9)体质指数24.1(22.9-26.3)吸烟史12(14.3)术前合并症 糖尿病9(10.7)心血管疾病22(26.2)脑血管疾病3(3.6)呼吸系统疾病2(2.4)甲状腺疾病10(11.9)手术方式 肺叶切除术35(41.7)肺段切除术4(4.8)楔形切除术45(53.6)病理资料 肿瘤病理类型 腺癌80(95.2)鳞状细胞癌1(1.2)小细胞癌3(3.6)病理分期 ia1/ia2/ia3/ii-iii47/18/10/9(56.0/21.4/11.9/10.7)淋巴结转移9(10.7)多原发癌10(11.9)
101.二、生物标志物的初步筛选
102.考虑到呼出气体中挥发性有机化合物的种类繁多，发明人查阅了现有技术，选择肺癌的潜在呼气生物标志物，在不少于两项原始研究中报告的与肺癌相关的vocs被选为潜在的呼气生物标记物。经过前期研究，初步选择28种vocs进行进一步验证。28种vocs的相关信息见表2，它们主要是碳氢化合物(芳香族和脂肪族)和含氧化合物(醛、醇、酚、羧酸、醚和呋喃)。
103.表2
[0104][0105][0106]
三、采集呼气样本以及检测呼气样本中生物标志物丰度的方法
[0107]
1、呼气采集方案
[0108]
所有呼出的呼气样本都是由训练有素的调查人员使用准备好的tedlar安全气袋收集的。在呼气采集前一天晚上，将tedlar袋在60℃下烘烤3小时，以完全释放可能的干扰物质，并用高纯度氮气连续吹洗4次。在固定的房间内采集呼气样本，并采集相应的环境空气。参与者首先用纯净水漱口，然后进行单次深吸气，然后通过嘴将其完全呼入tedlar袋中。总共收集1000毫升呼出气体。采用二氧化碳传感器确保肺泡空气被收集：一旦二氧化碳传感器检测到二氧化碳浓度超过4％，呼出气体收集才会开始。所有参与者都被要求禁食至少8小时，并且在呼气采集前一天晚上不要摄入辛辣食物、酒精或咖啡。
[0109]
2、检测呼气样本中生物标志物丰度
[0110]
基于各个生物标志物的m/z值和hppi-tofms的电离模型识别vocs谱峰(jiang d,li e,zhou q,wang x,li h,ju b,et al.online monitoring of intraoperative exhaled propofol by acetone-assisted negative photoionization ion mobility spectrometry coupled with time-resolved purge introduction.anal chem.2018；90
(8):5280-9.doi:10.1021/acs.analchem.8b00171；wang y,jiang j,hua l,hou k,xie y,chen p,et al.high-pressure photon ionization source for tofms and its application for online breath analysis.anal chem.2016；88(18):9047-55.doi:10.1021/acs.analchem.6b01707)，获取呼气样本中各个voc的峰值强度。
[0111]
hppi-tofms由基于真空紫外灯的hppi离子源和正交加速飞行时间(tof)质量分析仪组成。tof质量分析仪使用0.4米无场漂移管可在质荷比(m/z)为92时实现4000的质量分辨率(全宽最大值的一半)。气相呼气体样品通过不锈钢毛细管从气袋直接引入电离区。为了消除呼气中的vocs冷凝并尽量减少表面吸附，将不锈钢毛细管加热至100℃，将hppi离子源加热至60℃。以25khz的400皮秒时间-数字转换器记录tof信号，并将所有质谱累积60秒。所有质谱仪在投入使用前都需要进行质量校准。通常，1,2-二氯乙烯、四氯乙烯和六氯-1,3-丁二烯，作为众所周知的m/z值物质，均匀分布在所需的质量范围内。校准公式y＝ax2 bx c用于实现飞行时间到m/z的转换。该校准过程由质谱仪软件完成。记录hppi-tofms检测到的m/z小于500的质谱峰。对质谱数据进行预处理，进一步完成降噪、基线校正和vocs特征检测。从呼出的呼气样本中减去环境背景空气数据，所得数据用于进一步分析。
[0112]
步骤三得到的结果为各个挥发性有机化合物(voc)的特征谱峰值，即谱峰值，用以表征voc的丰度。
[0113]
四、结果分析
[0114]
28种vocs在三个时间点的谱峰值如表3所示。大多数vocs的谱峰值在三个时间点之间表现出波动性变化。考虑到围术期药物代谢和手术应激可能会影响术后第三天的呼气组学检测。根据发明人的临床实践，患者的生理状态在术后4周基本恢复正常。因此，发明人着重比较了术前和术后四周的呼气组学结果。两个时间点的不同质谱示例如图2a所示(左图为术前，右图为术后4周)。基于wilcoxon配对符号秩和检验，15种vocs在这一期间的谱峰值强度显著降低，它们是：2-羟基乙醛、异戊二烯、戊醛、丁酸、甲苯、2,5-二甲基呋喃、环己酮、己醛、庚醛、苯乙酮、丙基环己烷、辛醛、壬醛、癸醛和2,2-二甲基癸烷。然而，乙醛的谱峰值强度在术后四周显著增加。质谱中16种vocs的识别示例如图2b所示。这些挥发性有机化合物在三个时间点的谱峰值强度的动态变化如图3所示。这16种挥发性有机化合物被选为可能的肺癌呼气生物标志物，以供进一步分析。图2对应的病人信息为：女性，52岁，ia3分期。
[0115]
表3肺癌患者术前、术后呼气中挥发性有机物的变化
[0116]
[0117][0118]
实施例2、生物标志物的确认以及评价(验证性研究)
[0119]
验证性研究的流程示意图如图4所示。
[0120]
一、受试者的筛选以及受试者信息
[0121]
于郑州大学第一附属医院的进行上述肺癌呼气标志物的验证。
[0122]
验证性研究中肺癌患者纳入标准与发现性研究中肺癌患者纳入标准相同；在手术或活检当天(术前)收集呼气样本。验证性研究中健康人指的是接受ldct体检但无阳性结果的人；在体检当天采集呼气样本。所有参与者都被要求禁食至少8小时，并且在呼气采集前一天晚上不要摄入辛辣食物、酒精或咖啡。
[0123]
验证性研究包括157名肺癌患者和368名健康人。受试者特征见表4。肺癌患者比健康人年龄更大，心血管疾病患病率更高。在健康人中，吸烟史和饮酒更为常见。
[0124]
表4受试者特征
[0125][0126]
二、采集呼气样本以及检测呼气样本中生物标志物丰度的方法
[0127]
同实施例1的步骤三。
[0128]
三、结果分析
[0129]
两组人群的呼气样本中的16种vocs的谱峰值强度如图5所示。
[0130]
1、单独诊断性能
[0131]
上述16种vocs在两组之间的谱峰值强度比较见图5(hi代表健康人人群，lc代表肺癌人群)。与健康人相比，所有这些vocs在肺癌患者中的谱峰值强度均显著升高。火山图(图6a)显示了肺癌患者和健康人之间16种vocs的倍增变化和差异。相关分析表明，肺癌患者和健康个体中vocs的富集程度不同(分别为图6b和图6c)，表明两组中的vocs关联模式不同。
[0132]
在校正了混杂因素(包括年龄、性别、吸烟史、饮酒史和合并症)后，肺癌状态(与健康人相比)仍然是voc的谱峰值强度升高的独立相关因素，见表6。
[0133]
表6肺癌与voc谱峰值强度升高之间关系的多变量分析
[0134]
[0135][0136]
图6d显示了16种vocs对肺癌的单独诊断性能，数据总结见于表7。异戊二烯和己醛的诊断auc最高，异戊二烯的auc为0.859，己醛的auc为0.843。
[0137]
表7 16种voc用于鉴别诊断肺癌患者和健康体检者的性能
[0138][0139]
2、16种vocs的诊断性能
[0140]
建立基于多因素logistic回归的临床预测模型。
[0141]
模型公式如下：p＝1/(1 e-(-0.01x1 0.001x2 0.001x3 0.01x4-0.001x5 0.001x6-0.027x7-0.004x8 0.022x9 0.005x10-0.007x11 0.001x12-0.005x13 0.034x14 0.073x15 0.007x16-5.181)
)。
[0142]
模型公式中，x1至x16依次对应乙醛、2-羟基乙醛、异戊二烯、戊醛、丁酸、甲苯、2,5-二甲基呋喃、环己酮、己醛、庚醛、苯乙酮、丙基环己烷、辛醛、壬醛、癸醛和2,2-二甲基癸烷的谱峰值。
[0143]
诊断标准：p＝0.267为阈值，大于等于阈值诊断为肺癌，小于阈值诊断为健康(非肺癌)。
[0144]
将所有受试者的呼气样本中的16种vocs的谱峰值代入上述模型公式，得到诊断结果。将受试者的诊断结果与受试者的实际患病情况进行比对。诊断auc为0.952，敏感度为89.2％，特异度为89.1％，准确度为89.1％(图6e)。
[0145]
3、8种vocs的诊断性能
[0146]
评估表7中auc前八位vocs组合的诊断性能。auc前八位vocs即异戊二烯、己醛、戊醛、丙基环己烷、壬醛、2,2-二甲基癸烷、庚醛和癸醛。
[0147]
建立基于多因素logistic回归的临床预测模型。
[0148]
模型公式如下：
[0149]
p＝1/(1 e-(0.001x1 0.002x2 0.004x3-0.001x4 0.019x5 0.021x6-0.004x7-0.011x8-6.454)
)。
[0150]
模型公式中，x1至x8依次对应异戊二烯、己醛、戊醛、丙基环己烷、壬醛、2,2-二甲基癸烷、庚醛和癸醛的谱峰值。
[0151]
诊断标准：p＝0.236为阈值，大于等于阈值诊断为肺癌，小于阈值诊断为健康(非肺癌)。
[0152]
将所有受试者的呼气样本中的8种vocs的谱峰值代入上述模型公式，得到诊断结果。将受试者的诊断结果与受试者的实际患病情况进行比对。诊断auc为0.931，敏感度为86.0％，特异度为87.2％，准确度为86.9％(图6f)。
[0153]
以上对本发明进行了详述。对于本领域技术人员来说，在不脱离本发明的宗旨和范围，以及无需进行不必要的实验情况下，可在等同参数、浓度和条件下，在较宽范围内实施本发明。虽然本发明给出了特殊的实施例，应该理解为，可以对本发明作进一步的改进。总之，按本发明的原理，本技术欲包括任何变更、用途或对本发明的改进，包括脱离了本技术中已公开范围，而用本领域已知的常规技术进行的改变。按以下附带的权利要求的范围，可以进行一些基本特征的应用。