CN105555188A

CN105555188A - 诊断恶性肺肿瘤的方法

Info

Publication number: CN105555188A
Application number: CN201380079729.6A
Authority: CN
Inventors: S·C·埃罗尔; M·A·加尔夫
Original assignee: Fresh Medical Laboratories Inc
Current assignee: Fresh Medical Laboratories Inc
Priority date: 2013-08-19
Filing date: 2013-10-18
Publication date: 2016-05-04
Anticipated expiration: 2033-10-18
Also published as: CN105555188B; CA2921690A1; KR102035381B1; AU2013398354B2; WO2015026376A2; CA2921690C; EP3035845A2; US20150051504A1; AU2013398354A1; JP6337267B2; MX2016001948A; US10117596B2; KR20160060640A; JP2016533819A

Abstract

通过评价电导性信息在医疗患者中确定疾病状况的存在的方法。将从在一段时间作为时间的函数的高准确度导电性数据集获得的点属性值与以先前确定的阈值进行比较。z得分可被确定以组合在患者综合得分的公式化中的多个点属性值。有时，在预测疾病的存在中，采用点属性的总体准确度对z得分进行加权。

Description

诊断恶性肺肿瘤的方法

发明领域

本发明总体涉及哺乳动物的疾病状态的诊断。它特别涉及通过评估受试者人体离散点之间取得的生物电测量在人类中检测恶性肺癌。

背景技术

电阻抗是经过一个电路或一个主体上的电压差与电流的比率(欧姆定律)，电导是阻抗的倒数(1/阻抗)。人类细胞和组织的介电特性得到广泛认可，并且对于目前使用的几种诊断程序而言是必不可少的。一些常见的例子是，用于电子细胞计数的库尔特计数器，用于评估心脏功能的心电图，以及用于评估大脑功能的脑电图。

人体的介电特性是在现有技术中被充分表征，并且为几个临床测试提供了基础，所述临床测试包括心电图，脑电图，体积描记法，电导断层扫描和BIA。此外，有明确的证据表明癌组织的生物电电导特性与良性和脂肪组织的生物电电导特性不同，美国食品药品监督管理局已批准使用生物电电导测量的设备作为40岁以下女性乳腺癌的检查中的乳房x线摄影术的诊断辅助。同样的技术目前正在作为筛选试验被评估。也已针对各种其他恶性肿瘤(包括子宫颈癌，皮肤癌，淋巴结癌，甲状腺癌，和肺癌)进行了调查。在肺癌的生物电评估中，有证据表明，电阻抗断层扫描能够成像肺部，但是关于生物电电导测量的最有效的接入点和方式存在有限的信息。

许多临床调查已研究将电性能用于辅助癌症诊断的潜力。Aberg和他的同事报告了用电生物电导以评估皮肤癌。他们发现分别以75％和87％的特异性将恶性黑色素瘤和非黑色素瘤皮肤癌与良性痣分离，以及两者的灵敏度为100％。这被认为等于或好于常规视觉筛查。电导扫描还显示在儿童和成人的淋巴结评估中有前途。Malich等报道，在头部和颈部区域106个声像图可疑的淋巴结中，电导扫描能够检测64个恶性淋巴结中的62，具有96.9％的真阳性率。然而，在该研究中，42个炎性良性淋巴结中只有19个被正确地鉴定为良性，其真阴性率为45.2％。作者认为，虽然这些结果是令人鼓舞的，但是需要进一步的开发工作以减少大量的假阳性。当用电导对儿童潜在恶性淋巴结进行评价时，报告了类似的结果。最近的另一个为了可能的甲状腺恶性肿瘤接受手术的64位患者的电导扫描的前瞻性研究发现，它是辨别甲状腺肿瘤的可能有用的成像方式。

采用电导技术最广泛地研究的可能是乳腺癌。在具有声像图或乳房摄影可疑损害的患者中电导扫描的调查发现，正常和异常受试者的组织之间存在显著差异。通过除了超声和乳房摄影之外还考虑电导结果，癌检测的灵敏度从86％提高到95％。在1999年，美国FDA批准了多频电导乳腺扫描仪(T-扫描2000)，其用作对于选择的患者的乳房摄影的辅助。使用了改进算法的T-扫描2000ED的最近的一项研究提供了初步证据，其表明电导扫描可能对于在年轻女性中早期发现乳腺癌具有价值，所述年轻女性在扫描时处于增加的患有疾病的风险。

其他最近的研究表明，电导光谱可以是用于检测宫颈癌的一个可行的筛选工具。另外的在人类中的研究表明，在患有各种癌症，包括肺癌，胰腺癌和结直肠癌的患者组织的电特性不同于那些没有癌的患者。在肺癌患者中已经完成的这些研究中的若干已经提供证据，其表明生物电电导的改变在这一患者群体中是明显的。

尽管有明确的证据表明，通过早期肺癌的切除和溶瘤介入增加了生存，在早期阶段的检测仍然很困难。使用低剂量CT扫描以筛查的目前感兴趣的和正在进行的调查也提出了挑战。几乎是普遍认为的是，高风险受试者的CT扫描确定有资格获得进一步临床评价的结节，可以通过重复CT扫描或活检进行进一步临床评价，并且确定的损害尚有92-96％会被发现是良性的。其结果是，与在这种方式中使用CT扫描相关的经济和卫生成本未被临床益处所抵消。

因此，对不显著风险，非侵入性的技术存在长期的需要，所述技术可以与CT扫描结合使用，以进一步区分经CT确定的可疑肿块或结节。这样的区分信息理想地在确定哪些患者应该进行进一步的诊断评估和那些可能有良性的发现的患者中具有临床意义。

发明内容

本发明涉及用于在医疗患者中诊断肺癌的方法。

在一个方面，本发明涉及在医疗患者中有效地辨别具有恶性肺损害和不具有恶性肺损害的方法，其包括：

提供测量装置，其可被操作以测量在具有不确定的肺损害的医疗患者的身体上的参考点和询问点之间的导电性，其中，所述测量装置被配置为提供在测量电极尖端和患者身体表面之间接触压力的控制；

通过在测量电极尖端和患者的身体的表面之间施加足够的压力直到导电性指数随时间的曲线图表现出为零或接近零的斜率，采用测量装置测量多个参考点和多个询问点之间的导电性，以获得至少一个患者数据集，其包括具有多个曲线属性值的多个导电性曲线；和

比较从所述至少一个患者数据集获得的多个曲线属性值与使用类似的测量步骤得到的先前确定的对应数据集中的多个对应曲线属性值；

其中所述先前确定的对应数据集是通过比较以下而由具有肺损害的患者群体确定的：(i)具有恶性肺损害的第一同期组群和(ii)不具有恶性肺损害的第二同期组群，先前确定的对应数据集的恶性肺损害由损害的活组织检查的检验确定，以获得有效地辨别具有恶性肺损害的同期组群和不具有恶性肺损害的同期组群的数据集，从而确定患者具有恶性肺损害的可能性。

在一些实施方案中，在先前确定的对应数据集中的所述至少一个值包括指示患者具有恶性损害的可能性的阈值。在其他实施方案中，先前确定的数据集提供用于多个点属性的阈值，其满足足够辨别具有恶性肺损害的患者和不具有恶性肺损害的患者的ROC面积的阈值标准。在仍然其他实施方案中，用于所述多个点属性的阈值满足大于约70％的ROC面积的阈值标准，其用于辨别具有恶性肺损害的患者及不具有恶性肺损害的患者。

在另一个方面，在本发明的方法中，先前确定的对应数据集是来自患者群体，所述患者群体具有的肺部损害位于与所述患者中的损害类似的肺区域。在一些实施方案中，患者的肺损害存在于选自右叶(RL)和左叶(LL)中的一个或多个的肺位置，并且先前确定的对应数据集获自具有恶性肺损害的同期组群和在肺的类似区域具有良性肺损害的同期组群。在一些实施方案中，患者的肺损害存在于选自右下叶(RLL)，右中叶(RML)，右上叶(RUL)，左下叶(LLL)和左上叶(LUL)中的一个或多个的肺位置，以及先前确定的对应数据集获自具有恶性肺损害的同期组群和在肺的类似区域具有良性肺损害的同期组群。在其他实施方案中，患者的肺损害的大小类似于用于获得先前确定的对应数据集的肺损害的大小。在其它实施方案中，患者的肺损害和用于获得先前确定的对应数据集的肺损害大小范围是0至约15mm，约16至约30mm，或约31mm或更大。

在其他实施方案中，患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约2mm，5mm，10mm，或15mm。

在本发明的另一个方面，点属性值包括被测量以形成曲线的点的总数。在一些实施方案中，点属性值包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段。在其他实施方案中，点属性值包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段，其中，曲线段的持续时间包括至少5秒。在其它实施方案中，点属性值还包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段包括曲线的最后5秒。

在另一个方面中，点属性值包括曲线下面积(AUC)测量值，其通过以下计算：在选定的间隔测量曲线的高度，以及求所述高度的和。在一些实施方案中，曲线的高度在约25x每秒间隔被计算。

在一些方面，该方法包括获得用于患者的综合得分，其指示患者具有肺癌的可能性。在其它方面，所述方法包括通过以下获得综合得分：将获得的点属性值子集变换为对应的z得分，以及合并z得分。

在另一方面，本发明涉及在医疗患者中有效地辨别具有恶性肺损害和不具有恶性肺损害的方法，其包括：

提供测量装置，其可被操作以测量具有不确定的肺损害的医疗患者身体上的参考点和询问点之间的导电性，其中，所述测量装置被配置为提供在测量电极尖端和患者的身体表面之间的接触压力的控制；

通过在测量电极尖端和患者的身体的表面之间施加足够的压力直到导电性指数随时间的曲线图表现出为零或接近零的斜率，采用测量装置测量多个参考点和多个询问点之间的导电性，以获得至少一个患者数据集，其包括具有多个曲线属性值的多个导电性曲线；

比较从所述至少一个患者数据集获得的多个曲线属性值与使用类似的测量步骤得到的先前确定的对应数据集中的多个对应曲线属性值，其中，所述曲线属性值中的至少一个是被测量以形成曲线的点的总数；

其中所述先前确定的对应数据集是通过比较以下而由具有肺损害的患者群体确定的：(i)具有恶性肺损害的第一同期组群和(ii)不具有恶性肺损害的第二同期组群，以获得有效地辨别具有恶性肺损害的第一同期组群和不具有恶性肺损害的第二同期组群的数据集，从而确定患者具有恶性肺损害的可能性。

其中所述先前确定的对应数据集是通过比较以下而由具有肺损害的患者群体确定的，其中，所述患者群体的肺损害位于与所述患者的损害类似的肺损害区域：(i)具有恶性肺损害的第一同期组群和(ii)不具有恶性肺损害的第二同期组群，以获得有效地辨别具有恶性肺损害的第一同期组群和不具有恶性肺损害的第二同期组群的数据集，从而确定患者具有恶性肺损害的可能性。

在一些实施方案中，患者的肺损害存在于选自右叶(RL)和左叶(LL)中的一个或多个的肺的区域，并且先前确定的对应数据集获自具有恶性肺损害的同期组群和在相同的肺位置具有良性肺损害的同期组群。在一些实施方案中，患者的肺损害存在于选自右下叶(RLL)，右中叶(RML)，右上叶(RUL)，左下叶(LLL)和左上叶(LUL)中的一个或多个的肺的区域，以及先前确定的对应数据集获自具有恶性肺损害的同期组群和在相同的肺的位置具有良性肺损害的同期组群。

在另一个方面，本发明涉及一种在医疗患者中有效地辨别具有恶性肺损害和不具有恶性肺损害的方法，其包括：

其中所述先前确定的对应数据集是通过比较以下而由具有肺损害的患者群体确定的，其中，所述患者群体的肺损害具有与所述患者的肺损害类似的大小：(i)具有恶性肺损害的第一同期组群和(ii)不具有恶性肺损害的第二同期组群，以获得有效地辨别具有恶性肺损害的第一同期组群和不具有恶性肺损害的第二同期组群的数据集，从而确定患者具有恶性肺损害的可能性。

比较从所述至少一个患者数据集获得的多个曲线属性值与使用类似的测量步骤得到的先前确定的对应数据集中多个对应的曲线属性值，其中所述点属性值包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段；

附图的简要说明

以下附图说明目前被认为是用于实施本发明的具体实施方案。

图1是导电性数据集的代表性曲线图，所述数据集是在测量医疗患者表面上的第一点和第二点之间的导电性期间获得的。

图2是流程图，其示出了确定预测规则包括疾病侧偏倚的方法。

图3是当综合得分是连续变量时的ROC图。

图4是当综合得分是二元变量时的ROC图。

详细说明

现在将参考附图，在其中对示出的实施方案的各种元素赋予数字标记，并且其中本发明将被讨论，以便使本领域技术人员能够实施和使用本发明。但应当理解，下面的描述仅用于举例说明本发明的原理，并且不应该被视为缩小随后的权利要求。

用于实施本发明的目前优选的实施方案的装置在美国专利号8,121,677(它的内容被全部并入本文)中被一般地说明，所述装置可被操作以实践根据本发明的某些原则的方法。该装置包括计算机组件和探针系统。计算机组件通常包括外壳以包含与显示设备，诸如监视器连通的处理器和存储器。一个或多个输入装置，诸如键盘，鼠标，等，也可以以与计算机组件可操作关联的方式被包括。同样地，输出装置，如打印机，USB端口，网络连接器，媒体记录器，等，可以以在与计算机系统可操作关联的方式被设置。

探针系统通常包括询问电极。目前优选的询问电极在美国专利号8，121，677中被公开。理想地，询问电极被构造以在测量顺序期间允许将电极接触压力通过计算机控制应用到受试者的皮肤上。这样的计算机控制理想地包括反馈环路，其包含通过探针自身测量的实时导电性数据。

探针系统还包括参考电极。合适的参考电极可以包括在受试者手中持有的手持式金属圆柱形电极，或可以由临床医生施加的点探针。用作参考电极的合适电极的另一种类型是ECG监测电极(COnMed公司，尤蒂卡(Utica)，纽约州)。方便地以预胶凝化的、单个患者使用的、一次性心电图电极形式获得这种电极，其用作心电图设备的附件以用于长期或短期监测和诊断过程。这样的电极可具有常规或diaphoretic粘合剂。理想的是，所述参考电极被构造以接触测量的受试者的皮肤的相对较大的区域，并分离操作人员与所形成的电路。将电极放置到电通信中，电通信具有导电性测量装置，所述导电性测量装置可方便地被包含在壳体中以用于将电子导电性数据传输到计算机系统的通信。该diaphoretic电极被应用，和当被计算机屏幕提示时操作人员移动电极导线“snap”。

数据采集包括，在一段时间内，在设置在一个或多个参考点的参考电极和典型地设置在多个询问点的每一个的询问电极之间，测量作为时间的函数的导电性。可被操作以用于检测肺癌的某些询问点位置位于臂，手，肩，胸，背，如下所述和在下表中列出。

典型地，在检测肺癌的数据采集期间，该参考电极将被放置在受试者的手的顶部上，并且处于相对于询问点的身体中线相反侧。也就是说，在这种情况下，对于具有“R”结尾的标记的询问点，参考电极将被放置在受试者的左手，反之亦然。通过以下点位置的详细描述，指示这种一般情况的例外。

FML-1R位于肋骨3和肋骨4之间，其在第二和第三胸椎的棘突之间的中点外侧的1.5拇指宽度处。

FML-1aTR位于第2肋骨，在胸骨中线或凹陷点(depressionpoint)外侧的约21/2拇指宽处。注意：使用放置在FML-1R的参考电极。

FML-1bTR位于横向插入上胸锁乳突肌和乳头之间的线的第二肋间隙。它距离中线约3-31/2拇指宽度。注意：使用放置在FML-1R的参考电极。

FML-1cTR位于中线外侧约31/2拇指宽的第3肋间隙。注意：使用放置在FML-1R的参考电极。

FML-2aTR位于锁骨下缘凹陷，中线外侧2拇指宽度处。2拇指宽线位于中线与乳头线的中间位置。使用圆参考电极，并将其放置在最低肋间隙背面脊柱中线外侧2拇指宽度处。

FML-2aR位于锁骨下缘凹陷，2拇指宽度外侧中线。2拇指宽线位于中线与乳头线的中间位置。

FML-2bR位于胸部的外侧面，在第一肋间隙，中线外侧6拇指宽度，FML-2c内1拇指宽度。

FML-2cR位于胸部的前-外侧面，锁骨的横向末端下面，中线外侧6拇指宽度，在胸锁三角(delto-pectoraltriangle)的中空的中心。在将电阻应用到患者的手的同时，请患者向前伸展他们的手，以强调胸锁三角，并且在其中心定位FML-2c。

FML-3aR位于上臂的前-外侧面，腋窝褶内3拇指宽度和FML-4上部6拇指宽度，在肱二头肌的外侧缘和肱骨骨干之间的凹陷内。

将腋窝褶和肘的肘皱褶之间的距离分割为三等份。FML-3a是在上三分之一和中三分之一的交界处。

FML-3bR位于上臂的前-外侧面，腋窝褶内4-拇指宽度和FML-4上部5拇指宽度，在肱二头肌的外侧缘和肱骨骨干之间的凹陷中。

FML-4R位于肘的肘皱褶，在肱二头肌肌腱桡侧的凹陷中。

如下定位FML-5R：从手腕向上沿桡侧腕屈肌向前臂移动，直到与肱桡肌相交。

FML-6aR位于桡骨动脉，腕皱褶上方约21/2英寸或桡骨茎突的起始端的上方1英寸。它是在由肱桡肌的肌腱和指屈肌浅肌(superficialismuscle)形成的交界处。

FML-6dR位于桡骨(手掌面)的茎突内侧缘上远端横向腕皱褶近端的大约1英寸。

FML-6eR位于在手掌底部的所述远端腕皱褶外侧边缘。它是直接邻近于舟骨的结节的外侧边缘。

FML-7aR位于舟骨结节直接远端的舟骨和大多角骨之间。

FML-7bR位于第一掌骨，手的掌面的近端骨干端。

FML-7cR位于它的尺骨侧(手的掌表面)的第1掌骨的远端骨干端。

FML-8aR位于拇长伸肌腱的尺骨侧上桡骨和舟骨之间。

FML-8bR位于拇指桡侧近节指骨的远端骨干末端。它是在与指向远侧的探针成45度角被测量的。

FML-8cR位于拇指尺骨侧(手的背侧)掌骨指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-8dR位于拇指尺骨侧(手的背侧)基底(近)指骨的远端骨干末端。它是在与指向远端的探针成45度角被测量的。

FML-8eR位于拇指(背侧)的远端指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-8fR位于拇指尺骨侧的指甲指骨的远端骨干末端。它是在手指的侧面与探针成90度角被测量的，所述探针与指甲在水平平面上。

FML-9R位于第二个手指尺骨侧(手的背侧)中节指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-10R位于第三手指桡侧(手的背侧)中节指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-11aR位于第四手指尺骨侧(手的背侧)的末节指骨的远端骨干末端。它是在手指的侧面成90度角被测量的。

FML-11bR位于第四手指尺骨侧(手的背侧)中节指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-12aR位于小(第5)手指的桡侧(手的背侧)的近节指骨的远端骨干末端。它是在与指向远端的探针成45度角被测量的。

FML-12bR位于第五手指尺骨侧的基底指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-12cR位于第五手指尺骨侧(手的背侧)的指甲指骨的远端骨干末端。它是在手指的侧面与探针成90度角被测量的，所述探针与指甲在水平平面上。

FML-1L位于肋骨3和肋骨4之间，在第二和第三胸椎的棘突之间的中点外侧1.5拇指宽度。

FML-1aTL位于第2肋骨，胸骨中线或凹陷点外侧约21/2拇指宽。注：使用放置在FML-1L的参考电极。

FML-1bTL位于胸锁乳突肌和乳头的横向插入之间的线上的第二肋间隙。它距离中线约3-31/2拇指宽度。使用放置在FML-1L的参考电极。

FML-1cTL位于第3肋间隙，在中线外侧约31/2拇指宽。使用放置在FML-1L的参考电极。

FML-2aTL位于锁骨下缘凹陷，中线外侧2拇指宽度。2拇指宽线位于中线与乳头线的中间位置。使用参考电极，并把它放置在最低肋间隙背面上脊柱中线外侧2拇指宽度处。

FML-2aL位于锁骨下缘凹陷，中线外侧2拇指宽度。2拇指宽线位于中线与乳头线的中间位置。

FML-2bL位于胸部的外侧面，在第一肋间隙，中线外侧6拇指宽度，FML-2c内1拇指宽度。

FML-2cL位于胸部的前-外侧面，锁骨的外侧末端下面，中线外侧6拇指宽度，在胸锁三角的中空的中心。在将电阻应用到患者的手的同时，请患者向前伸展他们的手，以强调胸锁三角，并且在其中心定位FML-2c。

FML-3aL位于上臂的前-外侧面，腋窝褶内3拇指宽度和FML-4上部6拇指宽度，在肱二头肌的外侧缘和肱骨骨干之间的凹陷中。

将腋窝褶和肘的肘皱褶之间的距离分割为3等份。FML-3a是在上三分之一和中三分之一的交界处。

FML-3bL位于上臂的前-外侧面，腋窝褶内4拇指宽度和FML-4上部5拇指宽度，在肱二头肌外侧缘和肱骨骨干之间的凹陷中。

FML-4L位于肘的肘皱褶，在肱二头肌肌腱桡侧的凹陷中。

如下定位FML-5L：从手腕向上沿桡侧腕屈肌向前臂移动，直到与肱桡肌相交。

FML-6aL位于桡骨动脉，腕皱褶上方约21/2英寸或桡骨茎突的起始端的上方1英寸。它是在由肱桡肌的肌腱和指屈肌浅肌形成的交界处。

FML-6dL位于桡骨(手掌面)的茎突内侧缘上的远端横向腕皱褶的大约1英寸近端。

FML-6eL位于在手掌底部的远端腕皱褶外侧边缘。它是直接邻近于舟骨的结节的外侧边缘。

FML-7aL位于舟骨和舟骨结节直接远端的大多角骨之间。

FML-7bL位于第一掌骨，手的掌面的近端骨干端。

FML-7cL位于它的尺骨侧(手的掌面)的第1掌骨的远端骨干端。

FML-8aL位于桡骨和拇长伸肌腱的尺骨侧的舟骨之间。

FML-8bL位于拇指桡侧近节指骨的远端骨干末端。它是在与指向远端的探针成45度角被测量的。

FML-8cL位于拇指尺骨侧(手的背侧)掌骨指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-8dL位于拇指尺骨侧(手的背侧)基底(近)指骨的远端骨干末端。它是在与指向远端的探针成45度角被测量的。

FML-8eL位于拇指(背侧)的远端指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-8fL位于拇指尺骨侧的指甲指骨的远端骨干末端。它是在手指的侧面与探针成90度角被测量的，所述探针与指甲在水平平面上。

FML-9L位于第二手指尺骨侧(手的背侧)的中节指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-10L位于第三手指桡侧(手的背侧)的中节指骨的近端骨干端。它是在与指向近端的探针成45度角被测量的。

FML-11aL位于第四手指尺骨侧(手的背侧)的末节指骨的远端骨干末端。它是在手指的侧面上成90度角被测量的。

FML-11bL位于第四手指尺骨侧(手的背侧)的中节指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-12aL位于小(第5)手指的桡侧(手的背侧)的近节指骨的远端骨干末端。它是在与指向远端的探针成45度角被测量的。

FML-12bL位于第五手指尺骨侧的基底指骨的近端骨干末端。它是在与指向近端的探针成45度角被测量的。

FML-12cL位于第五手指尺骨侧(手的背侧)的指甲指骨的远端骨干末端。它是在手指的侧面与探针成90度角被测量的，所述探针与指甲在水平平面上。

期望的是，对在计算机系统上运行的软件进行编程，以协助在数据采集期间的操作人员。例如，屏幕可以显示可视化的解剖图，其具有突出的询问点叠加，这可以帮助装置操作人员确定并放置询问探针。屏幕图像根据需要进行希望的变化以在数据采集系列中通知操作人员每个感兴趣的点的所需的询问点。用户可感知输出，如低水平调节色调，可被产生以提供实时反馈到装置操作人员，从而验证可接受的测量的完成。每个电导测量的电导测量图可以可视地在监视器上显示。在目前优选的装置的使用中，在每个导电性测量期间每秒25次采样导电性值。

另外，目前对于计算机应用算法优选的是，控制探针压力，以保证准确的和一致的测量。因此，探针的操作期间施加到皮肤表面上的压力是可重复的和独立于操作人员的力。在电极尖端接触时计算机期望地实现阈值曲线，其调整实时探针压力，以保证精确的读数，并防止错误的读数。测量期间完成之后，计算机系统可以存储用于后处理的数据。

在询问点的导电性基于时间的测量期间获得的数据集的代表性曲线图示于图1。x轴表示时间，y轴表示测量的导电性指数。导电性指数定义为在标称1.2或2.4伏等于从1K欧姆到999K欧姆的电阻的测量的电导。装置中固件具有约10微安的电流，测量电压，然后计算电导。计算机系统的软件/固件期望地采用增大规定量探针压力的算法。然后该算法控制恒定探针压力和监视器测量稳定性一段时间，例如5秒。在一定时间间隔在询问电极和参考电极之间测量电导电性作为数据集，并且该信息被传递给计算机系统。测得的电导被绘制作为导电性指数，以0到100的标度归一化。

可以从在图1的曲线图所示的数据集对九个属性进行分析，其描述了这样的曲线图的某些部分，被定义如下：

最大基线(max)是达到零斜率之后最大导电性指数值。

最小基线(min)是达到零斜率之后最小导电性指数值。

基线上升(上升)是起始导电性指数和在零斜率的导电性指数之间的角度。

基线下降(下降)是在零斜率点的导电性指数和在测量结束时的导电性指数之间的角度。

基线下跌(下跌)是最大基线和最小基线之间的差。

零斜率之前的曲线下面积(auca)是从开始到零斜率的曲线下的面积。

零斜率后的曲线下面积(aucb)是表示从零斜率起算最后5秒至测量结束时的曲线部分以的曲线下的面积。

总的曲线下面积(auctotal)是从测量开始到测量结束的曲线下的面积的百分比。

总样品(totalsamp)是获得的曲线的测量的总数。

测量可接受性可以由系统来确定，并且临床医生可接收来自计算机系统的可感知反馈以确认数据收集操作的圆满完成。可被评估以确定数据是否被成功收集的因素包括：1)导电性上升到零斜率，计算机控制；2)持续的信号测量贯通维持超时值，无意外波动，计算机控制和操作人员控制；3)如果表示零斜率的蓝线在前2秒内未出现，测量应反复，操作控制；4)大于3的过度下跌值被反复以确认，操作人员控制。失败的测量包括：1)过早斜零率-机器控制；2)零斜率后过度上升或下跌-机器控制；3)低导电性测量值作为第一项措施，特别是如果没有其他低导电性的测量值-如果max低于10，操作人员控制重新测量；4)在第一次接触没有探针重置-操作人员控制。

图3是流程图，其描述用于确定规则集的可操作的方法，所述规则集用于有效诊断患者疾病状况的点属性的数据。包括点属性的阈值标准的规则集可以通过以下来确定：从样品受试者的两个分支组(armgroup)上的每个受试者的身体上一个或多个点处获得导电性数据集。一个分支组应诊断为患有疾病，以及另一分支组应该没有疾病。导电性测量值对于受试者分支组是未知的。导电性数据可以扩展到多个点属性，其用于考虑对于分支组具有可见性的预测能力。对于每个点属性，准确度，或预测的能力可通过比较“疾病”的数据与“无病”的数据来确定。可以从相关的点属性信息获得综合得分。

参考图2中所示的流程图，41个受试者的基于时间的导电性测量值是在患者的皮肤上的62点和每一个患者的参考点采取的，如在140所指出的，用于9种不同的属性。测量对于受试者组成员是未知的。在150，所获得的数据被扩展到558点属性(62个测量的点×每个点的9个不同的属性＝558点属性)。

肺癌往往表现出侧偏倚，伴有在身体的一侧(肺)占主导地位的存在。因此，数据分析可包括基于导电性值确定疾病片面性。图2呈现的数据分析包括所有558个点属性，表示位于两侧的点，31个在身体的左侧和31个在身体的右侧。

在165，盲的设置被移除，最佳的数据分析(ODA)在160进行。ODA是一个工具，其评估所有点属性组合的辨别能力。整体ODA准确度是正确地确定为恶性或良性的点属性组合的情况下的比例。在170，确定以下：28个点属性存在阈值，这满足大于约70％的准确度的阈值标准，所述准确度用于指示肺癌的存在。在.70的分界是武断的-无临床重要性与此分界相关。可能已经使用更高或更低的总体ODA准确度标准。

z得分是调整因素以使它们具有相等的权重的一种方法。例如，最大基线范围从0到100和AUC总范围是从0到1。如果最大基线得分与AUC总得分相组合，并分别具有相等的权重，则使用z得分。z得分是通过取多个值的加权平均值来计算。综合得分是通过将乘以总准确度的每个z值相加和再除以所有权重的总和而获得的。

使用z得分计算每个受试者的综合得分，如在180所示。参考图2，然后组合这些点属性具有选定值以上的准确度的组合。置信水平可以被确定。

一般地，低导电性表明存在癌症。在以下表1中所述的“低导电性的方向”表示评价的点属性的低或高的值是否指示癌症或低的导电性。这对于大多数点属性是显而易见的，但对于基线下跌并不明显。

本发明提供在医疗患者中有效辨别具有恶性肺损害和不具有恶性肺损害的方法。在一个方面中，该方法包括以下步骤：提供测量装置，所述装置可被操作以测量在具有不确定的肺损害的医疗患者体内的参考点和询问点之间的导电性，其中，所述测量装置被配置成提供测量电极尖端与患者身体的表面之间的接触压力的控制，并通过在测量电极尖端和患者的身体的表面之间施加足够的压力直到导电性指数随时间的曲线图表现出为零或接近零的斜率，采用测量装置测量多个参考点和多个询问点之间的导电性，以获得至少一个患者数据集，其包括具有多个曲线属性值的多个导电性曲线。该方法进一步包括比较从所述至少一个患者数据集获得的多个曲线属性值与使用类似的测量步骤得到的先前确定的对应数据集中的多个对应曲线属性值。在一些实施方案中，所述先前确定的对应数据集是通过比较以下而由具有肺损害的患者群体确定的：(i)具有恶性肺损害的第一同期组群和(ii)不具有恶性肺损害的第二同期组群，先前确定的对应数据集的恶性肺损害由损害的活组织检查的检验确定，以获得有效地辨别具有恶性肺损害的同期组群和不具有恶性肺损害的同期组群的数据集，从而确定患者具有恶性肺损害的可能性。

在本发明的一些实施方案中，在先前确定的对应数据集中的所述至少一个值包括指示患者具有恶性损害的可能性的阈值。在其他实施方案中，先前确定的数据集提供用于多个点属性的阈值，所述点属性满足足够辨别具有恶性肺损害的患者和不具有恶性肺损害的患者的ROC面积的阈值标准。在仍然其他实施方案中，用于所述多个点属性的阈值满足大于约70％的ROC面积的阈值标准，其用于辨别具有恶性肺损害的患者及不具有恶性肺损害的患者。

在另一个方面，在本发明的方法中，先前确定的对应数据集是来自患者群体，所述患者群体具有的肺部损害位于与所述患者中的损害类似的肺区域。在一些实施方案中，患者的肺损害存在于选自右叶(RL)和左叶(LL)中的一个或多个的肺位置，并且先前确定的对应数据集获自具有恶性肺损害的同期组群和在肺的类似区域具有良性肺损害的同期组群。在一些实施方案中，患者的肺损害存在于选自右下叶(RLL)，右中叶(RML)，右上叶(RUL)，左下叶(LLL)和左上叶(LUL)中的一个或多个的肺位置，以及先前确定的对应数据集获自具有恶性肺损害的同期组群和在肺的类似区域具有良性肺损害的同期组群。

依照本发明，已经确定的是，在辨别小恶性损害和小非恶性损害中存在显著较大的临床价值。如在下面的实验部分中描述的，已经令人惊奇地发现，本发明的生物电导方法，当施加到以肺损害的大小为基础分类的患者群体时，可以提供辨别恶性和非恶性损害的改善的能力。在一些实施方案中，患者的肺损害的大小类似于用于获得先前确定的对应数据集的肺损害的大小。在其它实施方案中，患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小范围是0至约15mm，约16至约30mm，或约31mm或更大。在其他实施方案中，患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约2mm，5mm，10mm，或15mm。

在本发明的另一个方面，点属性值包括测量以形成曲线的点的总数。在一些实施方案中，点属性值包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段。在其他实施方案中，点属性值包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段，其中，曲线段的持续时间包括至少5秒。在再其它实施方案中，点属性值还包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段包括曲线的最后5秒。

在另一个方面，点属性值包括曲线下面积(AUC)测量值，其通过以下计算：在选定的间隔测量曲线的高度，以及对所述高度求和。在一些实施方案中，曲线的高度在约25x每秒间隔被计算。

在一些方面，该方法包括获得用于患者的综合得分，其指示患者具有肺癌的可能性。在其它方面，所述方法包括通过以下获得的综合得分：将获得的点属性值子集变换为对应的z得分，以及合并z得分。

实验结果

如下所述，进行若干试验以确定辨别能力是否可以得到改善。

试验1-使用总样本和稳定的AUC曲线测量的改进的辨别

进行单中心，单组试验以评估生物电导扫描平台在肺癌诊断中作为CT扫描的辅助的效用，如下所述。采取的方法是为最大化ROC面积的每点属性分别选择“受试者间的”最佳临界点(切割点(cutpoint))，然后结合这些点的前5％为综合得分。生物电导装置的有用性是基于以下观察：电阻抗，或生物导电性可在预测癌组织的存在中具有效用。已经发现，在皮肤非侵入采取的低导电性测量值指示肺部疾病，特别是肺癌。

点或测量位置

对于每一个患者，装置用于测量在每个患者的皮肤表面上的62个位置和参考点的之间的生物导电性。这些点位于两侧，31个在身体的左侧和31在身体的右侧。这些测量的位置是在皮肤表面上的特定解剖学位置，如上面详细描述的。

属性

62个测量值中的每一个用来产生生物电导曲线(如在图2中示出)，每个曲线的特征在于关于某些段的9个不同的属性或各曲线的特性。在每个属性中导电性反映为基于以下的高或低的值：

表格1

推导预测低导电性的综合得分(恶性肿瘤)的方法

共有62个点，根据上述9个属性测量或表征每个点，总共62×9＝558个候选变量。最能指示低导电性的那些变量被选择为被包括在最终的综合得分中，一次使用一个变量。此最终的综合得分表示预测方程。

用最优数据分析(ODA)方法来确定哪个点属性组合是最具有预测性的。ODA是用于对属性，或变量进行分组的统计方法。对于给定的变量，发现：用于两组分类的最佳临界点(如果≤临界点，分类为一组；如果>临界点，分类成其他组)。提供了最好的测试特性的临界点被认为是最佳临界点。[Yarnold，PR，SoltysikRC。最佳数据分析：用于Windows的软件指南。华盛顿特区，美国心理协会，2005年(Yarnold,PR,SoltysikRC.OptimalDataAnalysis:AGuidebookWithSoftwareforWindows.WashingtonDC,AmercanPsychologicalAssociation,2005)]

用统计软件Stata发行11进行分析[科利奇站，德克萨斯：StataCorpLP，2009(CollegeStation,TX:StataCorpLP,2009)]。所述的Stata例程被编程以找到最佳的临界点，其为每个变量分别最大化接受者操作特征(ROC)面积。这个例程通过以下被验证：比较来自多个测试变量的结果与由Yarnold和Soltysik的ODA软件提供的结果。

使用综合得分(预测方程)小标题下面描述的“加权二元方法”，将变量或点属性的组合的前5％％组合成综合得分。在这个部分中，使用实际数据描述和表明规则。然后最大化ROC面积的综合得分的最优临界点被用来定义二元诊断决策准则(对于恶性肿瘤是阳性的，对于恶性肿瘤是阴性的)和测试特征，其被计算以评估在临床医生熟悉的术语的预测准确度(灵敏度，特异性和ROC面积)。

各种测试特性可在ODA中被用来作为辨别能力指数。六个测试特性如下：

准确度＝(#正确分类)/(#所做的分类)＝(a+d)/N

灵敏度＝比例真阳性＝a/(a+b)

＝当患者实际具有恶性肿瘤时被预测具有恶性肿瘤的次数的比例

特异性＝比重真阴性＝d/(c+d)

＝当患者实际不具有恶性肿瘤时被预测不具有恶性肿瘤的次数的比例

阳性预测值(PPV)＝(#恶性)/(#被预测的恶性)＝a/(a+c)

＝当被预测具有恶性肿瘤时患者具有恶性肿瘤的比例

[未被使用：参见下面的注释]

阴性预测值(NPV)＝(#不是恶性的)/(#被预测不是恶性的)＝d/(b+d)＝当被预测为不具有恶性肿瘤时患者不具有恶性肿瘤的次数的比例

[未被使用：参见下面的注释]

ROC面积＝(灵敏度+特异性)/2，一旦降低到2×2表[坎托SB，KattanMW。确定一个二元的诊断测试的ROC曲线下的面积。MedDecisMaking2000；20：468-470(CantorSB,KattanMW.DeterminingtheareaundertheROCcurveforabinarydiagnostictest.MedDecisMaking2000；20:468-470)]。

对于这份报告，为了优化辨别，使用具有ROC面积的点属性组合。点属性与ROC面积值的前5％被用来形成综合得分。

结果(前5％ROC面积)

对于N＝558点属性组合，在它们的最佳临界点观察ROC面积，如下表所述。

前28(前5％)表现者(有最高ROC面积)如下。

综合得分(预测方程)

使用各种方法，将由ROC面积评估的前28个最有辨识力的点属性组合合并成综合得分。一种这样的方法是加权的二元方法，如下。28个测量值中的每个被重新编码为1或0时，由每个测量临界点定义(如果低于临界点则为1，如果高于临界点则为0，和对于下降和下跌均为相反)。然后，综合得分被计算为28个二元变量的加权平均值，利用ROC面积作为权重。

使用在上表中确定的前28个表现者，为每个患者计算综合得分，使用以下算法：

综合得分＝(如果FML-12bR下降≥1则为1，否则为0)×(0.8204)

+(如果FML-12cRauca≤2796则为1，否则为0)×(0.7299)

...

+(如果FML-7cLtotalsamp≤182则为1，否则为0)×(0.7270)

/(0.8204+0.7299...+0.7270)

如下表中所示，以综合得分计算双样本t-检验，比较具有恶性肿瘤的组与不具有恶性肿瘤的组。

diff＝平均值(0)-平均值(1)t＝-5.3207

Ho:diff＝0自由程度＝39

Ha:diff<0Ha:diff！＝0Ha:diff>0

Pr(T<t)＝0.0000Pr(|T|>|t|)＝0.0000Pr(T>t)＝1.0000

双尾p值

调整多重P值

在推导该综合得分时，多重性源于多个点属性，每一个的多个可能的临界点，和用于到达前5％最好的表现者的多种方法。这种情况有点类似于全基因组关联分析，其中有数百万的标记物，每个都有自己的显著性检验。对于这些研究，Bonferroni校正被应用，使得标记物不被判定为显著，除非P<10e-8。采取同样的方法作为全基因组关联分析，α被定为10e-8，以防止假阳性的结论(第一类错误)(其中<alpha＝10e-8＝0.00000010＝1千万分之一的机会)。使用Stata软件，t＝-5.3207，39的自由度，具有9.571e-8的p值，其小于α＝10e-8，所以可以得出结论：综合得分是统计学显著的，与良性组相比，恶性组具有较高的综合得分，平均高0.48。

如下表中所示，采用实际恶性肿瘤状态参考标准，将综合得分全部制成表格，并且在临界点0.29实现最大的ROC面积＝90.7。

在临界点≥0.29时，ROC面积最大化90.7％。2×2测试诊断测试表(最大化ROC面积)如下：

灵敏度＝26/29＝89.7％

特异性＝11/12＝91.7％

ROC面积＝(灵敏度+特异性)/2＝(89.7+91.7)/2＝90.7％

PPV和NPV没有被示出，因为是采用病例对照研究设计的偏估计

ROC解读

霍斯默DW和LemeshowS.(应用的对数的回归第二版纽约，JohnWiley&Sons.，2000年，第162页。)(HosmerDWandLemeshowS.(AppliedLogisticRegression.2^nded.NewYork,JohnWiley&Sons.,2000,p.162))应用下面的一般规则以解释ROC曲线下面积：

·ROC＝0.5表明不存在辨识(即不好于掷硬币)

·0.7≤ROC<0.8被认为是可以接受的辨识

·0.8≤ROC<0.9被认为是优秀的辨识

·ROC≥0.9被认为是杰出的辨识(在实践中观察到这种情况是极不寻常的)

图4示出当综合得分是连续变量时的ROC图。

图5示出当综合得分是二元值(匹配上述2×2表)时的ROC图。具有综合得分(1＝恶性的，0＝良性的)的受试者ID的清单示于下表。

基于上述综合得分，在所有病例除了一个病例中，具有恶性肿瘤的患者被正确识别(在三个病例中具有假阴性)。因此，该方法示出了方法学的高水平的特异性和灵敏度，以及高的辨别能力。

结论

在上面的数据的基础上，确定以下：生物导电性测量值可以成功地用于辨别具有恶性肺肿瘤的患者和不具有恶性肺肿瘤的患者。此外，确定以下：“总样本”的另外的点属性显著改善了辨别具有恶性肺肿瘤的患者和不具有恶性肺肿瘤的患者的能力。此外，已确定以下：当曲线已经稳定(也就是，曲线的最后5秒)时计算来自曲线的区域的零斜率后的AUC，也显著改善了辨别具有恶性肺肿瘤的患者和没有恶性肺肿瘤的患者的能力。

试验2–基于损害位置的辨别

进行另一项试验以确定，基于肺中损害部位的患者分类是否可以提高恶性损害和良性损害的辨别。在右下叶具有恶性损害的6个患者与在右下叶，右中叶和右上叶具有良性损害的7个患者相比较，如下表中所述。

对于N＝558点属性组合，在它们的最佳临界点观察到以下ROC面积

前32(前5％)个表现者(有最高ROC面积)如下：

对综合得分与实际恶性肿瘤状态(参考标准)进行交叉制表，最大的ROC面积＝100％是在临界点0.602被实现的。

2×2测试诊断测试表(最大化ROC面积)如下：

灵敏度＝6/6＝100％

特异性＝6/6＝100％

ROC面积＝(灵敏度+特异性)/2＝(100+100)/2＝100％

具有综合得分(1＝恶性，0＝良性)的受试者ID的列表如下表中所示：

基于上述综合得分，在所有情况下具有恶性肿瘤的患者被正确地确定。

结论

上述结果证明，本文所述方法可用于基于肺损害位置分类的患者群体，具有改进的辨别能力。

试验3-在损害部位的基础上的辨别

进行另一种试验以确定基于肺中损害位置的患者分类是否可以提高恶性损害和良性损害的辨别。对在右中叶具有恶性损害的3个患者与在右下叶，右中叶及右上叶具有良性损害的7个患者进行了对比，如下表所述。

对于N＝558点属性组合，在它们的最佳临界点观察到以下ROC面积。

上述结果表明针对两点的完美辨别。

前45(前8.1％)表现者(有最高ROC面积)如下：

对综合得分与实际恶性肿瘤状态(参考标准)进行交叉制表，最大的ROC面积＝100％在临界点0.977取得

2×2测试诊断测试表(最大化ROC面积)如下：

灵敏度＝3/3＝100％

特异性＝7/7＝100％

ROC面积＝(灵敏度+特异性)/2＝(100+100)/2＝100％

下表提供具有综合得分(1＝恶性的，0＝良性的)的受试者ID的列表

结论

上述结果证明，本文所述的方法可用于在肺的损害位置基础上分类的患者群体。

试验4–在小(0-15mm)损害大小的基础上的辨别

进行另一项试验以确定，基于损害大小进行的患者分类是否能改善恶性损害和良性损害的辨别。将具有大小范围为0-15mm的肿块中的恶性损害的六名患者与具有相同大小范围的良性损害的5个患者进行了比较，如下表中所述。

前38(前6.8％)表现者(有最高ROC面积)分别为：

对综合得分与实际恶性肿瘤状态(指示标准)进行交叉制表，最大的ROC面积＝100％在临界点0.579取得

2×2测试诊断测试表(最大化ROC面积)为：

灵敏度＝6/6＝100％

特异性＝5/5＝100％

ROC面积＝(灵敏度+特异性)/2＝(100+100)/2＝100％

具有综合得分(1＝恶性，0＝良性)的受试者ID的列表的

结论

上述结果证明，本文所述的方法可用于基于肿瘤大小进行分类的患者群体。

试验5-基于中等(16-30mm)损害大小的辨别

进行另一项试验以确定，基于损害大小的患者分类是否能改善恶性损害和良性损害的辨别。对具有大小范围为16-30mm的肿块的恶性损害的7名患者与具有相同大小范围的良性损害的4个患者进行了比较，如下表中所述。

*这些中的1个是双侧的，因此被排除，从而留下7个

前33(前5.9％)表现者(具有最高的ROC面积)如下：

对综合得分与实际恶性肿瘤状态(指示标准)进行交叉制表，在临界点0.361处实现最大的ROC面积＝100％

2×2测试诊断测试表(最大化ROC面积)如下：

灵敏度＝7/7＝100％

特异性＝4/4＝100％

ROC面积＝(灵敏度+特异性)/2＝(100+100)/2＝100％

具有综合得分(1＝恶性，0＝良性)的受试者ID的列表

结论

上述结果证明，进一步可能的是，将本文所述的方法应用至基于较大肿瘤大小分类的那些患者。

尽管已经特别参考某些说明性实施方案对本发明进行了描述，这样并不意欲限制本发明的范围。本发明可以体现在其它具体形式而不背离其精神或本质特征。描述的实施方案应被认为是说明性的而不是限制性的。因此，本发明的范围由所附权利要求而不是由前面的描述指出。权利要求的等效的含义和范围内的所有变化都包括在其范围之内。

Claims

1.在医疗患者中有效地辨别具有恶性肺损害和不具有恶性肺损害的方法，其包括：

其中所述先前确定的对应数据集是通过比较以下而由具有肺损害的患者群体确定的：(i)具有恶性肺损害的第一同期组群和(ii)具有良性肺损害的第二同期组群，先前确定的对应数据集的恶性肺损害由损害的活组织检查的检验来确定，以获得有效地辨别具有恶性肺损害的同期组群和具有良性肺损害的同期组群的数据集，从而确定患者具有恶性肺损害的可能性。

2.权利要求1的方法，其中在先前确定的对应数据集中的至少一个值包括指示患者具有恶性损害的可能性的阈值。

3.权利要求1的方法，其中所述先前确定的数据集提供用于多个点属性的阈值，所述点属性满足足以辨别具有恶性肺损害的患者和不具有恶性肺损害的患者的ROC面积的阈值标准。

4.权利要求1的方法，其中用于多个点属性的阈值满足大于约70％的ROC面积的阈值标准，其用于辨别具有恶性肺损害的患者和不具有恶性肺损害的患者。

5.权利要求1的方法，其中所述先前确定的对应数据集获自具有肺部损害的患者群体，所述患者群体具有的肺部损害位于肺与所述患者的损害类似的区域。

6.权利要求1的方法，其中所述患者的肺损害存在于选自右叶(RL)和左叶(LL)中的一个或多个的肺位置，并且先前确定的对应数据集获自具有恶性肺损害的同期组群和在肺的类似区域具有良性肺损害的同期组群。

7.权利要求1的方法，其中所述患者的肺损害存在于选自右下叶(RLL)，右中叶(RML)，右上叶(RUL)，左下叶(LLL)和左上叶(LUL)中的一个或多个的肺位置，并且先前确定的对应数据集获自具有恶性肺损害的同期组群和在肺的类似区域具有良性肺损害的同期组群。

8.权利要求1的方法，其中所述患者的肺损害的大小类似于用于获得先前确定的对应数据集的肺损害的大小。

9.权利要求8的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小范围是0至约15mm。

10.权利要求8的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小范围为约16至约30mm。

11.权利要求8的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小范围为约31mm或更大。

12.权利要求8的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约2mm。

13.权利要求8的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约5mm。

14.权利要求8的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约10mm。

15.权利要求8的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约15mm。

16.权利要求1所述的方法，其中所述点属性值包括被测量以形成曲线的点的总数。

17.权利要求1所述的方法，其中所述点属性值包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段。

18.权利要求1的方法，其中所述点属性值包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段，其中，曲线段的持续时间包括至少5秒。

19.权利要求1的方法，其中所述的点属性值还包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段包括曲线的最后5秒。

20.权利要求1的方法，其中所述的点属性值包括曲线下面积(AUC)测量值，其通过以下计算：在选定的间隔测量曲线的高度，以及对所述高度求和。

21.权利要求20的方法，其中所述曲线的高度是在大约25x每秒间隔计算的。

22.权利要求1的方法，还包括获得患者的综合得分，其指示患者具有肺癌的可能性。

23.权利要求22的方法，其中通过以下获得综合得分：将获得的点属性值子集变换为对应的z得分，以及合并z得分。

24.在医疗患者中有效地辨别具有恶性肺损害和不具有恶性肺损害的方法，其包括：

其中所述先前确定的对应数据集是通过比较以下而确定的：(i)具有恶性肺损害的第一同期组群和(ii)不具有恶性肺损害的第二同期组群，以获得有效地辨别具有恶性肺损害的第一同期组群和不具有恶性肺损害的第二同期组群的数据集，从而确定患者具有恶性肺损害的可能性。

25.权利要求24的方法，其中所述点属性值还包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段。

26.权利要求24的方法，其中所述点属性值还包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段为从该曲线的斜率稳定的点起的曲线段，其中，测量的持续时间包括至少5秒。

27.权利要求24的方法，其中所述点属性值还包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段包括曲线的最后5秒。

28.权利要求24的方法，其中所述点属性值还包括曲线下面积(AUC)测量值，所述测量值通过以下计算：测量导电性指数随时间的曲线图的曲线下的总面积。

29.权利要求24的方法，其中用于确定先前确定的对应数据集的第二同期组群具有良性肺损害。

30.在医疗患者中有效地辨别具有恶性肺损害和不具有恶性肺损害的方法，其包括：

其中所述先前确定的对应数据集是通过比较以下而由具有肺损害的患者群体确定的，其中所述患者群体的肺损害位于与所述患者的损害类似的肺损害区域：(i)具有恶性肺损害的第一同期组群和(ii)不具有恶性肺损害的第二同期组群，以获得有效地辨别具有恶性肺损害的第一同期组群和不具有恶性肺损害的第二同期组群的数据集，从而确定患者具有恶性肺损害的可能性。

31.权利要求32的方法，其中所述患者的肺损害存在于选自右叶(RL)和左叶(LL)中的一个或多个的肺的区域，并且先前确定的对应数据集获自具有恶性肺损害的同期组群和在相同的肺位置具有良性肺损害的同期组群。

32.权利要求32的方法，其中所述患者的肺损害存在于选自右下叶(RLL)，右中叶(RML)，右上叶(RUL)，左下叶(LLL)和左上叶(LUL)中的一个或多个的肺的区域，以及先前确定的对应数据集获自具有恶性肺损害的同期组群和在相同的肺的位置具有良性肺损害的同期组群。

33.权利要求32的方法，其中用于确定先前确定的对应数据集的第二同期组群具有良性肺损害。

34.在医疗患者中有效地辨别具有恶性肺损害和不具有恶性肺损害的方法，其包括：

35.权利要求34的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小范围是0至约15mm。

36.权利要求34的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小范围为约16至约30mm。

37.权利要求34的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小范围为约31mm或更大。

38.权利要求34的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约2mm。

39.权利要求34的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约5mm。

40.权利要求34的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约10mm。

41.权利要求34的方法，其中所述患者的肺损害和用于获得先前确定的对应数据集的肺损害的大小差异不大于约15mm。

42.权利要求34的方法，其中用于确定先前确定的对应数据集的第二同期组群具有良性肺损害。

43.在医疗患者中有效地辨别具有恶性肺损害和不具有恶性肺损害的方法，其包括：

比较从所述至少一个患者数据集获得的多个曲线属性值与使用类似的测量步骤得到的先前确定的对应数据集中多个对应的曲线属性值，其中所述点属性值包括曲线下面积(AUC)测量值，通过测量导电性指数随曲线段的时间的曲线图的曲线下面积，计算所述测量值，所述曲线段为从该曲线的斜率稳定的点起的曲线段；

44.权利要求43的方法，其中所述点属性值还包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数在随曲线段的时间的曲线图的曲线下面积而计算，所述曲线段包括最后5秒。

45.权利要求43的方法，其中所述的点属性值还包括曲线下面积(AUC)测量值，所述测量值通过测量导电性指数在曲线段的时间的曲线图的曲线下面积而计算，所述曲线段包括曲线的最后5秒。

46.权利要求43的方法，其中用于确定先前确定的对应数据集的第二同期组群具有良性肺损害。