研究背景:肺癌是目前死亡率第一的恶性肿瘤,其5年生存率仅为17%。如果能在早期阶段被发现,I期非小细胞肺癌的5年生存率约为70-90%。目前大多数肺癌在确诊时已是晚期,早期诊断对改善患者预后至关重要。传统肺癌早诊手段存在辐射暴露、高假阳性率等问题,目前急需简单、快速、灵敏、无创的早诊方式。呼出气分析用于辅助疾病诊断在临床上已有一些应用,是目前最具潜力的无创性早诊手段之一。其原理是挥发性有机化合物（Volatile Organic Compound,VOC）由机体代谢产生,通过血液循环和肺部的气体交换将其带出体内,呈现在呼出气中,从而反应人体的疾病状态,然而,呼出气分析在肺癌诊断的应用尚处于初级阶段。目前尚无大规模的诊断及验证研究。目的:（1）通过招募受试者分析其呼出气成分以及收集他们的临床特征,建立大样本量的肺癌、肺良性疾病和健康人的呼出气-临床特征数据库;（2）通过对比肺癌和健康人以及肺癌和肺良性疾病中的呼出气VOCs成分差异,构建肺癌诊断模型,并筛选潜在的肺癌特异性标志物,为呼出气分析用于肺癌诊断的临床应用提供基础。研究方法:采用固相微萃取（SPME）结合气相色谱质谱法（GC-MS）的方法,分析招募的拟诊为肺癌的受试者（肺癌+肺良性疾病）1191例受试者、804例健康受试者的呼出气成分。从质谱数据中定性VOCs,收集受试者的临床特征上传至Res Man临床公共管理平台建立大样本量的呼出气-临床特征管理平台,再根据不同的应用场景,使用机器学习中遗传算法（Genetic Algorithm,GA）结合支持向量机（Support Vector Machine,SVM）建立肺癌筛查模型（肺癌对比健康人）和肺占位性病变良恶性概率模型（肺癌对比肺良性疾病）,为进一步优化肺占位性病变良恶性概率模型的预测能力,将结合临床特征数据,构建整合模型。绘制上述模型的ROC曲线,比较模型性能。研究结果:最终成功分析了629例肺癌患者、606例健康受试者以及139例肺良性疾病患者的呼出气成分,并从质谱数据中识别了64种VOCs,建立了共1374例受试者的大样本呼出气-临床特征数据库,临床特征包括了临床基线特征,比如年龄、性别等,以及影像学特征和病理特征。从数据库中纳入肺癌患者和健康人,基于GA-SVM算法建立了肺癌筛查模型,模型由四氯乙烯、壬醛、C10H16、甲苯、萘、a-蒎烯、琥珀酸二甲酯、N,N-二甲基乙酰胺8种肺癌特异性标志物组成,模型的AUC达到0.98,敏感性达到96.8%,特异性达到93.4%,模型整体准确率达94.8%。进一步从数据库中纳入肺癌和肺良性疾病患者,使用同样的方法建立了呼出气肺占位性病变良恶性概率模型,模型由环己烷、丁酸、丙酮等30种VOCs组成,模型的AUC为0.65,该模型的准确率仅54.15%,敏感性、特异性分别为51.06%,68.29%,在结合筛选出的临床特征变量建立整合模型后,模型预测能力提升,AUC达0.776,模型整体准确率为75.56%。敏感性、特异性分别为78.7%和68.3%。研究结论:（1）通过SPME-GCMS分析受试者的呼出气成分,识别了其中的64种VOCs,发现肺癌患者、肺良性疾病患者及健康受试者的呼出气中VOCs的种类无明显差异,只在含量上存在差异。（2）基于机器学习算法中的GA-SVM对肺癌和健康人的呼出气数据进行分析,建立的肺癌筛查模型具有很好的预测能力,有望用于肺癌早筛,筛选出的VOCs可作为潜在的肺癌标志物。（3）基于GA-SVM对肺癌和肺良性疾病患者呼出气数据进行分析,建立的肺占位性病变良恶性概率模型预测能力不理想,但结合临床特征后,模型的预测能力得到明显提升。