首页 > 文章详情

【前沿进展】电子鼻分析提前检测肺癌！可使约75%的患者避免侵入性诊断

11月30日

整理：肿瘤资讯

来源：肿瘤资讯

对呼出气体进行电子鼻（eNose）分析展现出准确、提前诊断肺癌的潜力，但目前缺乏前瞻性的外部验证研究。近期发表的一项研究证实，通过电子鼻分析呼出气体可以提早检测出肺癌，可使得约75%的良性诊断患者避免进行不必要的侵入性诊断。这项外部验证研究解决了，限制电子鼻分析肺癌检测应用于常规临床实践的关键挑战，为推进这一宝贵诊断生物标志物的最终应用提供了必要的信息。

SpiroNose可在临床诊断前2年内诊断出肺癌？

准确/及时的诊断对改善肺癌患者的预后和治疗至关重要。在大多数国家，对疑似患有肺癌个体的诊断检查包括正电子发射断层扫描-计算机断层扫描（PET-CT）成像和侵入性检查，如支气管镜检查、支气管内超声或食管超声引导下针吸、经支气管针吸和/或手术。然而，肿瘤的表现和位置以及（吸烟相关）合并症的存在会使放射学和病理学评估复杂化，在相当一部分病例中无法确诊。此外，诊断时间和侵入性诊断程序的次数可能会显著增加，尤其是对于患有良性肺部病变或早期肺癌的个体。因此，仍需要一种非侵入性、经济高效的即时诊断工具，以准确识别需要侵入性诊断程序的患者并支持临床决策；eNose分析可以满足这一需求。

eNose是一种代谢组学平台，它使用一系列交叉反应传感器，每个传感器都对重叠的挥发性有机化合物（VOC）组敏感。这些VOC源自口咽腔、呼吸道和循环系统，反映代谢过程和病理生理的变化。通过使用模式识别算法分析VOC混合物，eNose可以生成“呼吸概况”作为多维生物标志物，提供特定临床状况存在与否的数值概率，而无需识别单个VOC。既往事实证明，SpiroNose®（一种与云连接的电子鼻）可以区分健康对照组和哮喘、慢性阻塞性肺病（COPD）和肺癌患者。既往研究证明，SpiroNose®能够从COPD患者检测出肺癌，并可在临床诊断前2年内识别出病例。

主要结果

395例患者（“肺癌”n=186；“肺癌和其他癌症”n=45，“其他癌症”n=45，“良性诊断，无其他癌症”n=100，“良性诊断和其他癌症”n=19）的呼吸特征可供分析。与未患肺癌的个体（n=148/364；41%）相比，肺癌个体（n=216/364；59%）的ECOG PS明显更差，更多患者为活跃吸烟者或已戒烟者，吸烟年限更长，更频繁地使用质子泵抑制剂。这部分患者的肺量计法检查结果显示，FEV1%、FEV1/FVC比值以及肺一氧化碳弥散量（DLCO）百分比显著降低。因此，肺癌患者更易患慢性阻塞性肺疾病（COPD）。

原始eNose模型在COPD患者（n=98/116；84%）中检测肺癌的能力已得到证实，在第一队列中，ROC-AUC为0.92。在预设95%灵敏度下，特异性为72%，PPV为95%，NPV为72%。在所有受试者中，原始eNose模型显示，检测肺癌（n=216/364；59%）的ROC-AUC为0.80（95%CI0.75-0.85）。在预设95%灵敏度条件下，特异性为51%，PPV为74%，NPV为88%。在诊断亚组中，该模型正确分类了96%和93%的“肺癌”和“肺癌和其他癌症”患者，以及30%、60%和50%的“其他癌症”、“良性诊断、无其他癌症”和“良性诊断和其他癌症”受试者。

在验证队列中，eNose模型在所有受试者（n=72/121；60%）中检测肺癌的ROC-AUC达到0.83。应用训练队列的95%敏感度阈值，对应预测得分≥0.4666（或≥47%），结果为敏感度94%、特异性63%、PPV为79%、NPV为89%（图1）。

图片2.png

图1带有预测分数的散点图

门诊患者中肺癌的发生概率

在诊断亚组中，新eNose模型分别正确识别了96%和87%的“肺癌”和“肺癌和其他癌症”患者，以及23%、80%和67%的“其他癌症”、“良性诊断，无其他癌症”和“良性诊断和其他癌症”参与者。子分析表明，模型性能不受肿瘤特征、疾病阶段或诊断中心的影响（图2A-F）。在第二个队列中，新eNose模型检测到了肺癌（n=15/31；48%），ROC-AUC为0.91。应用训练队列的95%敏感度阈值对应100%的敏感度、63%的特异性、71%的PPV和100%的NPV。

图片3.png

图2验证队列的子分析

结论：

这项多中心前瞻性外部验证研究证实，eNose呼气分析能够可靠、无创地即时检测疑似患者的肺癌情况。值得注意的是，检测准确率在肿瘤特征、疾病分期、诊断中心和临床特征方面均保持一致。结果表明，在胸部肿瘤门诊，实施eNose分析可使约75%的良性诊断患者避免进行不必要的侵入性诊断，但漏诊肺癌的风险为5%-6%。未来研究应集中于确定eNose在当前诊断途径中的临床效用。

参考文献

Buma AIG, Muntinghe-Wagenaar MB, van der Noort V, et al. Lung cancer detection by electronic nose analysis of exhaled breath: a multicentre prospective external validation study. Ann Oncol. 2025 Jul;36(7):786-795. doi: 10.1016/j.annonc.2025.03.013. Epub 2025 Mar 31. PMID: 40174676.

审批编号：CN-172626

过期日期：2026-2-23

本材料由阿斯利康提供，仅供医疗卫生专业人士参考

责任编辑：肿瘤资讯- Yuno
排版编辑：肿瘤资讯-Sally