S400 Hybrid的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

從侵入性到非侵入性：肺癌診斷的進展

為了解決S400 Hybrid的問題，作者鄒秉諴 這樣論述：

肺癌在早期是沈默的，在晚期是致命的。肺癌是全球主要的死亡原因之一，根據2018年世界衛生組織統計，肺癌的死亡人數以176萬人居冠。其中，大約有85％的肺癌為非小細胞肺癌（NSCLC）。大多數患者（約75％）在初次檢查時已經進入III期或IV期無法開刀治癒，因此死亡率居高不下，早期發現有助於增加治療的成功率降低死亡率。目前，肺癌的確診需要經由侵入性的術式如肺葉切除，支氣管鏡切片，或影像學（電腦斷層或超音波）指引切片，以取得病灶細胞。這些侵入性的檢查通常伴隨一定的術式難度，風險與併發症，或受到輻射線照射的限制。我們的研究，致力於將肺癌的診斷，由侵入性進展到非侵入性，提供病人安全而準確的診斷工具。

我的第一個研究：螺旋微流道快速純化胸腔積液中的肺癌細胞以提高診斷。百分之五十的肺癌病人，在整個疾病過程中，會產生惡性肋膜積液（Malignant pleural effusion），其中可以發現不等量的肺癌細胞。惡性肋膜積液中的肺癌細胞，除了可作為確診的病理檢體外，也是精準醫學（precision medicine）進一步進行基因檢測的重要細胞來源。當惡性肋膜積液內血球數量遠高於癌細胞數量時，對癌細胞的分離與判讀就會造成困難。傳統上，細胞學合併細胞蠟塊樣品製備需花費很多時間，當癌細胞數量稀少，血球數量高的複雜背景情況之下，容易造成檢測的偽陰性。因此，我們將開發新型微流道裝置，使用螺旋微流體裝置

藉由流體動力學分離出惡性肋膜積液中的癌細胞。這種無標記，高通量的設備可以連續地從肋膜積液中分離出癌細胞。細胞受到慣性力(Inertial Lift Force)及迪恩力(Dean Force)的共同作用後，大多數血球細胞被過濾至出口O1至O3，同時百分之九十的肺癌細胞被聚焦到出口O4中。之後利用CD45和EpCAM抗體於螢光流式細胞儀，辨識並計算純化後的白血球和癌細胞數量。螺旋式微流道裝置可以在6分鐘內快速收集癌細胞，與未經前處理的檢體相較之下提升6-24倍以上的純度，提高了惡性肋膜積水診斷的準確性，並可做為精準醫學的細胞來源。第二個研究，我們利用肺癌病人與健康人呼氣的氣體，尋找肺癌相關的揮發

性有機化合物Volatile organic compounds (VOCs)生物標記，由於其相對無侵入的性質，近年來得到了廣泛的研究。從人類呼吸中提取的揮發性有機化合物可以分析疾病引起的代謝變化，並作為檢測肺癌的生物標誌物。過去的研究。常用的VOCs分析技術包括質譜（Mass Spectrum）和傳感器技術(Sensor technologies)。以質譜為基礎的研究能分辨出生物標記的分子，而使用傳感器陣列的研究只能產生一種模式，而不能識別呼出氣體其中的化合物。我們的研究採用病例控制方法。選取肺癌患者作為病例組，健康的受試者作為對照組，比較兩組患者的呼吸VOCs含量，以選擇性離子流動管質譜（

SIFT-MS），進行氣體定量質譜分析。分析肺癌病人呼出的123種VOCs標的，產生的大量質譜數據，利用機器學習（machine learning），在兩組間的差異，並以訓練集(train set)、 驗證集(validation set) 、測試集(test set)預測哪些化合物可作為肺癌未來的生物標記。我們使用機器學習方法XGBoost構建一個預測模型，該模型使用VOC測量值來預測肺癌的疾病狀態。與以往的預測方法相比，本研究提出的預測模型取得了更好的效果，準確率為0.89，敏感度為0.82，特異性為0.94，曲線下面積為0.95。進一步考慮環境VOCs的影響，我們的模型可以得到0.91的

準確率，0.93的敏感性，0.88的特異性，0.98的AUC。我們的結果發現，將環境和參與者的VOCs通過SIFT-MS分析，交由XGBoost分類器的訓練後，可提供一種有潛力的肺癌檢測方法。