呼气诊断肺癌、胸腺瘤，中山一院陈振光团队发布两项成果！

10月17日至18日，亚洲肺癌大会(ACLC)在中国香港举行，中山大学附属第一医院陈振光教授团队发布了关于使用呼气挥发性有机化合物(VOCs)非侵入性诊断肺癌、胸腺癌的两项重要研究成果：《使用呼气VOC和Micro GC进行肺癌非侵入性诊断》、《使用呼出气VOC进行胸腺瘤非侵入性诊断的初步研究》。两项研究成果以Poster Presentation（墙报展示）的形式亮相，为肺癌、胸腺癌等疾病的呼气VOC精准诊断与临床应用提供了前瞻性经验。

研究结果显示，使用微型气相色谱技术检测呼气VOC诊断肺癌的敏感性表现出卓越的性能，具有高灵敏度和高特异性。该模型的受试者工作特征曲线下面积(AUC)为0.91，表明在保持低假阳性率的同时具有强大的精准检测肺癌的能力，进一步证实了其诊断的优异效能。

中山一院 ACLC Poster内容概览

• 《使用呼出气VOC和Micro GC进行肺癌非侵入性诊断》

肺癌（LC）是全球癌症相关死亡的主要原因之一，早期检测对于改善患者预后至关重要。传统诊断方法往往具有侵入性，不适合大规模筛查。近年来，探索呼出气中的挥发性有机化合物（VOCs）作为肺癌的非侵入性生物标志物显示出良好前景。研究在中山大学附属第一医院进行，旨在探索VOCs作为肺癌的非侵入性生物标志物。

研究是一项横断面研究，在中国广州中山大学附属第一医院共入组了106例病理确诊的患者，包括85例肺癌和21例良性患者。采用标准化的呼出气采集方案，并使用微气相色谱-微光电离检测器（μGC-μPID）的实时检测系统对呼出气样本进行分析。为了提高预测模型的准确性和泛化能力，研究运用了五种机器学习算法进行模型构建，具体包括随机森林、k最近邻（KNN）算法、逻辑回归、XGBoost以及支持向量机（SVM）。

通过使用微型气相色谱技术对呼出气样本的详尽分析，成功鉴别出5种VOCs，作为肺癌的潜在生物标志物。基于这5种VOC以及KNN算法建立的肺癌诊断模型，达到了高灵敏度和高特异性，该模型的受试者工作特征曲线下面积(AUC)为0.91。

μGC-μPID系统作为肺癌的即时检测诊断工具显示出巨大潜力，提供了一种非侵入性、快速且敏感的呼出气VOC分析方法。已识别的VOC生物标志物未来将在更大规模、多中心队列中进行进一步验证。

• 《使用呼出气VOC进行胸腺瘤非侵入性诊断的初步研究》

胸腺瘤因其表现多样且常无症状，亟需开发非侵入性诊断技术以实现早期识别和干预。研究在中山大学附属第一医院进行，探索呼出气中的VOCs作为区分胸腺瘤与良性病变的新型诊断方法。

初步分析发现13种独特的VOCs具有作为胸腺瘤生物标志物的潜力。与良性对照相比，这些标志物存在显著差异。对呼出气VOCs的分析为胸腺瘤提供了一种有前景的非侵入性诊断方法，未来需要在更大队列中对已确定的生物标志物进行验证，以评估其在胸腺瘤早期检测和管理中的临床实用性。