荷兰 Enschede 医学谱光谱中心肺部医学科的Sharina Kort等专家合作的肺癌诊断研究发表在ERJ Open Res期刊上。
这项研究的目的是探讨结合呼出气数据和临床参数改进肺癌的诊断结果。研究使用了138名非小细胞肺癌(NSCLC)患者和143名无肺癌的对照组参与者的呼出气数据。研究比较了仅使用电子鼻自身的分类值、将临床参数进行多元逻辑回归分析后的结果以及将这些临床信息事先加入到人工神经网络(ANN)的训练过程中进行呼出气分析的结果。
研究结果显示，仅使用电子鼻自身的分类值的AUC-ROC为0.75。在将年龄、吸烟包年数和COPD存在与此分类值加入多元回归分析后，诊断性能显著提高，AUC-ROC达到0.86。将这些临床变量事先加入到ANN进行呼出气分析同样表现出较高的性能，AUC-ROC为0.84。
研究结论是，将现成的临床信息添加到电子鼻分类值中，无论是事后使用多元回归分析还是事先加入ANN的训练过程中，都是可以的。
