CN111965238A - 用于非小细胞肺癌相关筛查及评估的产品、应用及方法 - Google Patents
用于非小细胞肺癌相关筛查及评估的产品、应用及方法 Download PDFInfo
- Publication number
- CN111965238A CN111965238A CN201910419885.1A CN201910419885A CN111965238A CN 111965238 A CN111965238 A CN 111965238A CN 201910419885 A CN201910419885 A CN 201910419885A CN 111965238 A CN111965238 A CN 111965238A
- Authority
- CN
- China
- Prior art keywords
- lung cancer
- small cell
- cell lung
- metabolic
- subject
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
- G01N27/64—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode using wave or particle radiation to ionise a gas, e.g. in an ionisation chamber
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Toxicology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提出了一种用于非小细胞肺癌相关筛查及评估的产品、应用及方法,本发明利用非小细胞肺癌患者和健康人的体液样本与纳米球材料混合,通过基质辅助激光解吸电离飞行时间质谱(MALDI‑TOF‑MS)收集相关体液中的代谢分子信息,利用人工智能的分类算法,区分健康人和非小细胞肺癌患者的代谢分子谱差异,并对其差异进行分类,达到高准确度、高特异性、高灵敏度的区分效果,或成为非小细胞肺癌相关筛查及评估的工具。
Description
技术领域
本发明涉及生物、医生领域,尤其涉及用于非小细胞肺癌相关筛查及评估的产品、应用及方法。
背景技术
肺癌是全球发病率和死亡率“双高”的癌症,男性患者较女性更多,从全球分布来看,中欧、东欧及东亚是高发区域。最常见的肺部原发性恶性肿瘤属于上皮癌,可分为小细胞肺癌(SCLC)和非小细胞肺癌(NSCLC),其中大约90%以上的病人都是非小细胞肺癌。临床上非小细胞肺癌的检查包含:X射线检查、支气管镜检查、癌抗血液指标筛查、灌洗液/痰液细胞学检查以及近几年大量使用的低剂量螺旋CT(LDCT)筛查。但临床上非小细胞肺癌的筛查往往有很多的问题,包含不高的特异性和灵敏度,有创侵入式的筛查,一定的辐射伤害以及不高的筛查依从性,造成了往往发现肺癌都是晚期的情况。在非小细胞肺癌筛查中继续一种高效、准确、无创的方式对大规模的高危人群进行大范围的筛查,帮助降低非小细胞肺癌的发病率,提高非小细胞早期筛出的比例。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供了一种用于非小细胞肺癌相关筛查及评估的产品、应用及方法。
为实现上述目的,本发明所采用的技术方案为:
一种用于非小细胞肺癌筛查、早期诊断、风险评估的产品,所述产品为可操作系统,所述产品包括:
(S1)、用于选择性地增强测定体液代谢分子解析度的纳米材料,以及测定体液代谢分子信号的基质辅助激光解吸电离飞行时间质谱仪,通过核心人工智能分类算法用于测定不同来源病人与健康人体液的不同代谢信号;
(S2)、用于计算健康人与非小细胞肺癌的代谢分子组成和含量的比例的模块和处理器;
(S3)、可选的,用于根据体液中代谢分子的组成和含量来判断是否罹患非小细胞肺癌、对对象进行罹患肿瘤的风险评估的模块和处理器。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述体液选自血清、血浆、唾液、尿液。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述(S1)中的用于测定体液代谢分子试剂为纳米金球材料、基质辅助激光解吸电离飞行时间质谱及相应配套靶板。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述产品还包括选自下组的一种或者多种:
a、用于采集并处理对象体液样品的试剂和仪器;
b、用于分离并纯化血清/或血浆/或唾液/或尿液的试剂和仪器;
c、用于分离并纯化血清/血浆/唾液/尿液的试剂和仪器;
d、用于分离、纯化、富集血清/血浆/唾液/尿液的试剂和仪器;
e、用于存储、处理对象血清/血浆/唾液/尿液的代谢分子指标的数据库、模块和处理器;
f、用于提供判断阈值的模块和处理器;
g、用于将对象的代谢分子谱与对照比较以判断对象是否罹患非小细胞肺癌、对对象进行预后评估或罹患非小细胞肺癌的风险评估、病情监测或诊疗评估的模块和处理器;
h、用于提供诊断、检测结果报告的模块和处理器;
j、说明书或者使用指南,其中记载了如下一种或多种应用和判断方式:
(i)用于非小细胞肺癌筛查检测:当所有检出的分子量为100-3000道尔顿,且信噪比大于3.0的代谢分子的数量之间的比例达到或高于预先设定的阈值,则判定该受试者患有非小细胞肺癌或者具有罹患非小细胞肺癌的较高风险;
(ii)用于良恶判断:当所有检出的分子量为100-3000道尔顿,且信噪比大于2.85的代谢分子的数量之间的比例达到或者高于预先设定的阈值,则判定受试者患有非小细胞肺癌或者具有罹患非小细胞肺癌的风险;
(iii)用于预后监测:当所有检出的分子量为100-3000道尔顿,且信噪比大于2.6的代谢分子的数量之间的比例达到或者高于预先设定的阈值,则提示对象非小细胞肺癌复发或者具有罹患非小细胞肺癌的风险;
(iv)用于对象群非小细胞肺癌发生预期:当所有检出的分子量为100-3000道尔顿,且信噪比大于2.4的代谢分子的数量之间的比例达到或则高于预先设定的阈值,则提示对象发生非小细胞肺癌的可能性高于其它对象;
(v)用于非小细胞肺癌患者病情监测:当所有检出的分子量为100-3000道尔顿,且信噪比大于2.3的代谢分子的数量之间的比例达到或者高于预先设定的范围,则表明该患者的病情有所发展或者进一步恶化;
(vi)用于疗效评估:在诊疗前后或治疗过程中的不同时间点测定并计算所有检出的分子量为100-3000道尔顿,且信噪比大于2.5的代谢分子的数量之间的比例,当结果高于前次测定所得的结果的差值达到或高于预先设定的范围,则表明该疗法或药物的治疗效果不佳。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,(i)-(iv)中预先设定的阈值由最佳阈值2.3~3.0来确定,其中最佳阈值基于人工智能分类算法来确定。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,(i)-(iv)中的预先设定的阈值为2.3~3.0。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,(vi)中,当检出的分子信号的信噪比2.5以上的代谢分子数高于前次测试所得,则表明该患者的病情有所发展或者进一步恶化。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述信噪比高于最佳阈值的分子数和所选取检测代谢分子数的比值计算采用下组的公式进行:
得分比值=信噪比高于最佳阈值的分子数/所检测代谢分子数。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述产品用于包含如下步骤的检测方法中:
1、测定对象血浆/血清/唾液/尿液样本中代谢分子水平,所述代谢分子的水平包括:分子量为100-3000道尔顿的代谢分子;
2、计算信噪比高于最佳阈值的分子数与所检测代谢分子数的比值;
3、根据代谢分子水平判断对象是否罹患非小细胞肺癌、对对象进行预后评估或罹患非小细胞肺癌的风险评估、对病情进行监测或对疗效进行评估。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述方法还包括下列一个或者多个步骤:
1)、采集和处理对象血浆/血清/唾液/尿液样品;
2)、分离和纯化血清/血浆/唾液/尿液;
3)、分离和纯化血清/血浆/唾液/尿液;
4)、分离、纯化、富集血清/血浆/唾液/尿液;
5)、存储和处理对象血清的代谢分子含量比值作为非小细胞肺癌相关筛查的指标;
6)、提供判断阈值;
7)、将对象的代谢分子组成含量与对照比较以判断对象是否罹患非小细胞肺癌、对对象进行预后评估或罹患非小细胞肺癌、病情监测或疗效评估;
8)、提供诊断、检测结果报告;
9)、监测其他非小细胞肺癌指标,并将上述其他非小细胞肺癌指标的检测结果与病情监测结果结合。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述产品还包含用于检测其他非小细胞肺癌指标的试剂盒、设备、系统和/或它们的组合。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述指标选自:患者的血清/血浆/唾液/尿液的代谢分子。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述患者的基本情况选自下列中:代谢分子信噪比高于最佳阈值的分子数。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述肿瘤临床表现选自下列的一种或者多种:完全健康/不正常肺结节/确诊非小细胞肺癌/非小细胞肺癌瘤治愈/非小细胞肺癌复发。
本发明提供的用于非小细胞肺癌筛查、早期诊断、风险评估的产品中,所述专一性理化检查指标包括肿瘤生化指标及医学影像,其中,所述肿瘤生化指标选自下列中的一种或者多种:血浆中CEA、Cyfra21-1、CA125、CA153、TPA。
仪器、模块和处理器在制备用于对象非小细胞肺癌筛查、早期诊断、预后评估、风险评估、病情监测和疗效评估的产品中的应用,所述产品是设备、系统和它们的组合,所述仪器、模块和处理器包括:
A、用于测定血清/血浆/唾液/尿液代谢分子水平的试剂、仪器、模块和处理器,其用于测定代谢分子的成分和含量;
B、可选地,用于计算代谢分子信噪比高于某一阈值的模块或者处理器;
C、可选地,用于根据信噪比的比值判断对象是否罹患非小细胞肺癌、对对象进行预后评估或罹患非小细胞肺癌的风险评估、病情监测或疗效评估的模块或者处理器。
仪器、模块和处理器在制备用于对象非小细胞肺癌筛查、早期诊断、预后评估、风险评估、病情监测和疗效评估的产品中的应用,所述(A)中用于测定血液代谢物通过与纳米金球材料结合后,用基质辅助激光解吸电离飞行时间质谱,测出样本代谢物信噪比数据,然后基于人工智能算法,给出疾病表现判断评估结果。
与现有技术相比,本发明的优点为:本发明开发出了一套基于少量或者微量(5mL以下)体液样本(包括血浆,或血清,或尿液,或唾液等)对非小细胞肺癌进行诊断和分型的新方法。该方法诊断非小细胞肺癌的准确性(敏感性和特异性)高于目前临床使用的金标准,能够识别出影像学上5mm以下难以判定结节良恶性的非小细胞肺癌,并对肿瘤的良恶性及肿瘤携带的致病基因突变有提示意义。此外,本发明中采用的质谱技术与目前检测低剂量螺旋CT相比,耗时更短,对人体没有伤害,检测更方便,且成本大大降低。
附图说明
图1为用于对非小细胞肺癌进行诊断、分型、以及预测肿瘤携带何种致病基因突变的算法流程图。
具体实施方式
下面将结合示意图对本发明所采用的技术方案作进一步的说明。
本发明需要获得一个基于大量真实生物样本的可用于重复检测应用的高准确度、高灵敏性的预测分类模型,具体方法如下:
1、将生物样本(血浆,或血清,尿液,或唾液等)与纳米材料混合,纳米材料用于选择性地增强测定体液代谢分子解析度,纳米材料包括但不限于硅及硅的化合物,金、银、铂等贵金属;
2、将混合后的样本在质谱的靶板上制样;
3、用质谱仪获得数据(精度为0.001-0.1道尔顿),获得的数据为100道尔顿以上的代谢分子的相对数量值,我们选择100-3000道尔顿,且信噪比大于2.3的所有代谢分子的数据;
4、将获得的数据根据需求分组分类,分类的方式如下:患病Vs健康,转移Vs非转移,基因突变类型等;
5、利用机器学习算法将数据分类,通常利用随机取的70%数据进行训练,30%数据进行测试,交叉验证模型准确性,这里进行数据训练和验证的目的是:得到一个基于大量真实生物样本的可用于重复检测应用的高准确度、高灵敏性的预测分类模型。
本发明利用一种基于新材料的MALDI-TOF-MS(基质辅助激光解吸电离飞行时间质谱,英文名Matrix-Assisted Laser Desorption/Ionization Time of Flight MassSpectrometry),高通量的检测了大量已经临床确诊的非小细胞肺癌患者,以及非肺癌对照人群的血浆,将获得的海量数据用于机器学习。
本发明技术采用基于纳米材料(包括但不限于硅及硅的化合物,金、银、铂等贵金属)的纳米结果(包括但不限于量子点,纳米线,纳米球,纳米中空球,纳米三角型等)的激光解吸离子化时间飞行质谱(MALDI-TOF-MS),检测已经确诊的大量非小细胞肺癌患者的血浆标本的代谢物质(分子量为3000道尔顿以下的物质),对大数据利用机器进行学习开发出一套全新的用于对非小细胞肺癌进行诊断、分型、以及预测肿瘤携带何种致病基因突变的算法,算法整体流程图参见图1,该算法的具体内容如下:
1)、将质谱仪中导出的原始数据【即前文提到的“100道尔顿以上的代谢分子的相对数量值,我们选择100-3000道尔顿,且信噪比大于2.3的所有代谢分子的数据”】转换为算法可以处理的MzML格式数据;
2)、将步骤1)中处理好的数据集重复10次分组,每次分组按30%作为测试数据集,70%作为模型训练数据集。分组时采用分层采样法,保证每组数据中正负样本的分布和总体样本中正负样本的分布保持一致;
3)、将步骤2)中处理好的数据集进行去噪和光滑操作;
4)、将步骤3)中处理好的数据集进行基线校准操作;
5)、将步骤4)中处理好的数据集进行标准化操作,得到训练集数据的整体均值,方差参数;
6)、将步骤5)中处理好的数据集进行对齐操作;
7)、对步骤6)中的模型训练集数据重复5次五折交叉验证,分为20%的验证数据集和80%的训练数据集。分组时采用分层采样法,保证每组数据中正负样本的分布和总体样本中正负样本的分布保持一致;
8)、将步骤7)中的数据使用分类器进行训练,输出分类器模型的平均验证精度,选择验证精度最高时分类器模型的超参数。分类器模型具体采用的是支持向量机(Supportvector machine,SVM),SVM是一种利用超平面分割数据的机器学习模型,通常应用于监督学习情境下的二分类问题,其学习策略是间隔最大化,SVM求解可转化为一个凸二次规划问题。线性SVM由Cortes和Vapnik于1995年提出,它在解决高维小样本分类问题中表现出较大的优势,并能够推广应用到函数拟合等其他机器学习问题中。
SVM分类的思路是:寻找某个超平面来分割数据(二维情形则是一条直线),然后利用支持向量使数据的分割最大化。其数学模型为:
其中为数据集T的样本点,为超平面。如果数据集T线性可分,那么可将该数据集中的样本完全分开的最大间隔分离超平面是存在且唯一的。
9)、将模型训练数据集整体放入到步骤8)中精度最高的超参数所在的分类器模型中训练,得到最终分类器模型;
10)、将步骤2)中得到的模型测试集数据进行去噪和光滑操作;
11)、将步骤10)中处理好的数据集进行去基线工作;
12)、使用步骤5)中得到的模型训练集数据的标准化参数对步骤11)中处理好的数据集进行标准化操作;
13)、将步骤12)中处理好的数据集进行对齐操作;
14)、将步骤13)中处理好的数据集放入到步骤9)中最终分类器模型中进行测试;
15)、通过步骤14)分类器的处理得到测试数据集中每个样本的预测值;
16)、通过步骤15)中得到的预测值和样本金标准进行对比,得到分类器模型的平均测试误差。
步骤1)到步骤16)是对“基于大量真实生物样本的可用于重复检测应用的高准确度、高灵敏性的预测分类模型”获得方法的详述。
实施例1:血清代谢分子飞行时间质谱检测用于非小细胞肺癌的筛选/筛查
采用纳米金球材料和方法测定对照血清样品和非小细胞肺癌患者血清样品中100~3000Da的代谢分子含量,检测结果如下:
1、通过观察总计500例患者血清样品100~3000Da的代谢分子谱图,可以发现信噪比大于3.0的代谢分子数量在非小细胞肺癌患者与对照之间存在明显差异。
2、对照500例健康人血清样品100~3000Da的代谢分子图谱进行比较,同时进行受试者信噪比大于3.0的代谢分子数量比较分析。结果显示,用100~3000Da的代谢分子中信噪比大于3.0的代谢分子数比总检测代谢分子数作为非小细胞肺癌筛查指标,在控制特异性在98.5%的情况下,相应灵敏度度高达92%。参照穿刺组织病理的判定标准,本指标作为诊断指标高度准确。
3、从数值上看,非小细胞肺癌患者的100~3000Da代谢分子中信噪比大于3.0的代谢分子与对照样本差异及其显著。
4、同时,以阈值3.0作为判断该受试者患有非小细胞肺癌或者具有罹患非小细胞肺癌的风险的标准,结果发现如下表1:
表1
在上述样本中,非小细胞肺癌检出率可达92%左右;
以上结果表明,采用基质辅助激光解吸电离飞行时间质谱能高度灵敏、高特异性的有效地利用于非小细胞肺癌的筛查,与现有标准相比,本发明的方法和指标具有更高的准确性。并且,本发明的方法和指标与现有标准联合使用可以进一步提高非小细胞肺癌的检出率。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (10)
1.一种用于非小细胞肺癌筛查、早期诊断、风险评估的产品,其特征在于,所述产品为可操作系统,所述产品包括:
(S1)、用于选择性地增强测定体液代谢分子解析度的纳米材料,以及测定体液代谢分子信号的基质辅助激光解吸电离飞行时间质谱仪,通过核心人工智能分类算法用于测定不同来源病人与健康人体液的不同代谢信号;
(S2)、用于计算健康人与非小细胞肺癌的代谢分子组成和含量的比例的模块和处理器;
(S3)、可选的,用于根据体液中代谢分子的组成和含量来判断是否罹患非小细胞肺癌、对对象进行罹患肿瘤的风险评估的模块和处理器;
(S4)、可选的,所述产品还包括:
j、说明书或者使用指南,其中记载了如下一种或多种应用和判断方式:
(i)用于非小细胞肺癌筛查检测:当所有检出的分子量为100-3000道尔顿,且信噪比大于3.0的代谢分子的数量之间的比例达到或高于预先设定的阈值,则判定该受试者患有非小细胞肺癌或者具有罹患非小细胞肺癌的较高风险;
(ii)用于良恶判断:当所有检出的分子量为100-3000道尔顿,且信噪比大于2.85的代谢分子的数量之间的比例达到或者高于预先设定的阈值,则判定受试者患有非小细胞肺癌或者具有罹患非小细胞肺癌的风险;
(iii)用于预后监测:当所有检出的分子量为100-3000道尔顿,且信噪比大于2.6的代谢分子的数量之间的比例达到或者高于预先设定的阈值,则提示对象非小细胞肺癌复发或者具有罹患非小细胞肺癌瘤的风险;
(iv)用于对象群非小细胞肺癌发生预期:当所有检出的分子量为100-3000道尔顿,且信噪比大于2.4的代谢分子的数量之间的比例达到或者高于预先设定的阈值,则提示对象发生非小细胞肺癌的可能性高于其它对象;
(v)用于非小细胞肺癌患者病情监测:当所有检出的分子量为100-3000道尔顿,且信噪比大于2.3的代谢分子的数量之间的比例达到或者高于预先设定的范围,则表明该患者的病情有所发展或者进一步恶化;
(vi)用于疗效评估:在诊疗前后或治疗过程中的不同时间点测定并计算所有检出的分子量为100-3000道尔顿,且信噪比大于2.5的代谢分子的数量之间的比例,当结果高于前次测定所得的结果的差值达到或高于预先设定的范围,则表明该疗法或药物的治疗效果不佳;
所述体液选自血清、血浆、唾液、尿液。
2.如权利要求1所述的产品,其特征在于,所述产品还包括选自下组的一种或者多种:
a、用于采集并处理对象体液样品的试剂和仪器;
b、用于分离并纯化血清/血浆/唾液/尿液的试剂和仪器;
c、用于分离并纯化血清/血浆/唾液/尿液的试剂和仪器;
d、用于分离、纯化、富集血清/血浆/唾液/尿液的试剂和仪器;
e、用于存储、处理对象血清/血浆/唾液/尿液的代谢分子指标的数据库、模块和处理器;
f、用于提供判断阈值的模块和处理器;
g、用于将对象的代谢分子谱与对照比较以判断对象是否罹患非小细胞肺癌、对对象进行预后评估或罹患非小细胞肺癌的风险评估、病情监测或诊疗评估的模块和处理器;
h、用于提供诊断、检测结果报告的模块和处理器。
3.如权利要求1所述的产品,其特征在于,(i)-(iv)中预先设定的阈值由最佳阈值2.3~3.0来确定,其中最佳阈值基于人工智能分类算法来确定;
(vi)中,当检出的分子信号的信噪比2.5以上的代谢分子数高于前次测试所得,则表明该患者的病情有所发展或者进一步恶化。
4.如权利要求1所述的产品,其特征在于,所述信噪比高于最佳阈值的分子数和所选取检测代谢分子数的比值计算采用下组的公式进行:
得分比值=信噪比高于最佳阈值的分子数/所检测代谢分子数。
5.如权利要求1所述的产品,其特征在于,所述产品用于包含如下步骤的检测方法中:
1、测定对象血浆/血清/唾液/尿液样本中代谢分子水平,所述代谢分子的水平包括:分子量为100-3000道尔顿的代谢分子;
2、计算信噪比高于最佳阈值的分子数与所检测代谢分子数的比值;
3、根据代谢分子水平判断对象是否罹患非小细胞肺癌、对对象进行预后评估或罹患非小细胞肺癌的风险评估、对病情进行监测或对疗效进行评估。
6.如权利要求5所述的产品,其特征在于,所述方法还包括下列一个或者多个步骤:
1)、采集和处理对象血浆/血清/唾液/尿液样品;
2)、分离和纯化血清/血浆/唾液/尿液;
3)、分离并纯化血清/血浆/唾液/尿液;
4)、分离、纯化、富集血清/血浆/唾液/尿液;
5)、存储并处理对象血清/血浆/唾液/尿液的代谢分子含量比值作为非小细胞肺癌相关筛查的指标;
6)、提供判断阈值;
7)、将对象的代谢分子组成含量与对照比较以判断对象是否罹患非小细胞肺癌、对对象进行预后评估或罹患非小细胞肺癌、病情监测或疗效评估;
8)、提供诊断、检测结果报告;
9)、监测其他非小细胞肺癌指标,并将上述其他非小细胞肺癌指标的检测结果与病情监测结果结合。
7.如权利要求1所述的产品,其特征在于,所述产品还包含用于检测其他非小细胞肺癌指标的试剂盒、设备、系统和它们的组合。
8.如权利要求7所述的产品,其特征在于,所述指标选自:患者的血清/血浆/唾液/尿液的代谢分子;
患者的基本情况选自下列中:代谢分子信噪比高于最佳阈值的分子数;
肿瘤临床表现选自下列的一种或者多种:完全健康/不正常肺小结节/确诊非小细胞肺癌/非小细胞肺癌治愈/非小细胞肺癌复发;
专一性理化检查指标包括肿瘤生化指标、医学影像指标,其中,所述肿瘤生化指标选自下列中的一种或者多种:血浆中CEA、Cyfra21-1、CA125、CA153、TPA。
9.仪器、模块和处理器在制备用于对象非小细胞肺癌筛查、早期诊断、预后评估、风险评估、病情监测和疗效评估的产品中的应用,其特征在于,所述产品是设备、系统和它们的组合,所述仪器、模块和处理器包括:
A、用于测定血清/血浆/唾液/尿液代谢分子水平的试剂、仪器、模块和处理器,其用于测定代谢分子的成分和含量;
B、可选地,用于计算代谢分子信噪比高于某一阈值的模块或者处理器;
C、可选地,用于根据信噪比的比值判断对象是否罹患非小细胞肺癌、对对象进行预后评估或罹患非小细胞肺癌的风险评估、病情监测或疗效评估的模块或者处理器。
10.如权利要求9所述的应用,其特征在于,所述(A)中用于测定血液代谢物通过与纳米金球材料结合后,用基质辅助激光解吸电离飞行时间质谱,测出样本代谢物信噪比数据,然后基于人工智能算法,给出疾病表现判断评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910419885.1A CN111965238A (zh) | 2019-05-20 | 2019-05-20 | 用于非小细胞肺癌相关筛查及评估的产品、应用及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910419885.1A CN111965238A (zh) | 2019-05-20 | 2019-05-20 | 用于非小细胞肺癌相关筛查及评估的产品、应用及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111965238A true CN111965238A (zh) | 2020-11-20 |
Family
ID=73358283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910419885.1A Pending CN111965238A (zh) | 2019-05-20 | 2019-05-20 | 用于非小细胞肺癌相关筛查及评估的产品、应用及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111965238A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199980A (zh) * | 2021-11-08 | 2022-03-18 | 岛津企业管理(中国)有限公司 | 一种基于质谱成像技术的肺癌分型判断系统 |
-
2019
- 2019-05-20 CN CN201910419885.1A patent/CN111965238A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199980A (zh) * | 2021-11-08 | 2022-03-18 | 岛津企业管理(中国)有限公司 | 一种基于质谱成像技术的肺癌分型判断系统 |
CN114199980B (zh) * | 2021-11-08 | 2024-02-20 | 岛津企业管理(中国)有限公司 | 一种基于质谱成像技术的肺癌分型判断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Drake et al. | Discriminant analysis of trace element distribution in normal and malignant human tissues | |
Waltman et al. | Exhaled-breath testing for prostate cancer based on volatile organic compound profiling using an electronic nose device (Aeonose™): a preliminary report | |
CN113194820A (zh) | 借助外泌体的基于人工智能的利用液体活检的癌诊断信息提供方法及系统 | |
JP7169278B2 (ja) | 卵巣癌を評価するための新規バイオマーカー | |
AU2015230017B2 (en) | Method for detecting a solid tumor cancer | |
CN111965240A (zh) | 用于甲状腺癌相关筛查及评估的产品、应用及方法 | |
KR102635700B1 (ko) | 암 리스크 평가 방법 및 암 리스크 평가 시스템 | |
Aghamaleki et al. | Application of an artificial neural network in the diagnosis of chronic lymphocytic leukemia | |
JP6082478B2 (ja) | 癌評価方法及び癌評価システム | |
CN112748191A (zh) | 诊断急性疾病的小分子代谢物生物标志物及其筛选方法和应用 | |
CN115798712A (zh) | 一种诊断待测者是否是乳腺癌的系统以及生物标志物 | |
Liu et al. | A carbon-based polymer dot sensor for breast cancer detection using peripheral blood immunocytes | |
CN111965238A (zh) | 用于非小细胞肺癌相关筛查及评估的产品、应用及方法 | |
CN113567585A (zh) | 一种基于外周血的食管鳞癌筛查标志物及试剂盒 | |
CN111965235A (zh) | 用于胰腺癌相关筛查及评估的产品、应用及方法 | |
CN111430030A (zh) | 生物标志物在卵巢癌评估中的应用方法及系统 | |
CN111965241A (zh) | 用于卵巢癌相关筛查及评估的产品、应用及方法 | |
CN113913333B (zh) | 一种肺癌诊断标志物及用途 | |
WO2017221744A1 (ja) | 肺がん検査用の情報を提供する方法、肺がんの検査方法、肺がんの検査装置、肺がんの検査装置のプログラム及び記録媒体、並びに肺がん検査用のmiRNA測定用キット | |
CN111965237A (zh) | 用于结直肠癌相关筛查及评估的产品、应用及方法 | |
CN111965233A (zh) | 用于乳腺癌相关筛查及评估的产品、应用及方法 | |
CN111965234A (zh) | 用于前列腺癌相关筛查及评估的产品、应用及方法 | |
CN111965239A (zh) | 用于胃癌相关筛查及评估的产品、应用及方法 | |
CN111965236A (zh) | 用于嗜铬细胞瘤及副神经节瘤相关筛查及评估的产品、应用及方法 | |
CN111965242A (zh) | 用于肝细胞癌相关筛查及评估的产品、应用及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201120 |
|
WD01 | Invention patent application deemed withdrawn after publication |