引言
恶性肿瘤是严重威胁人类健康和生命的疾病，据世界卫生组织估计，若不进行干预，2005年至2015年期间将有8400万人死于癌症，到2030年，全球癌症死亡人数预计将超过1 310万[1].尽管大多数恶性肿瘤的发生发展机制尚未完全阐明，但人们已经认识到目前最有效的控制方法是早期诊断肿瘤并将其完全根除。
然而目前临床上常规的诊断方法如物诊、穿刺、内镜、免疫学、影像学检查等能够检测出恶性肿瘤时，往往肿瘤已经到了进展期；术中冰冻活检的取材部位可能会影响最终的报告结果，并导致不必要的组织切除；而目前作为诊断恶性肿瘤金标准的组织病理学检查则需要经过组织固定、切片、染色和读片等一系列步骤，最终报告往往需要几天后才能得到，且在一定程度上带有病理学家本身的主观性。因此，临床医生迫切需要一种能够发现恶性肿瘤早期生化改变的诊断方法。
在肿瘤发生早期，病变在形态学上尚未现露时，虽然构成组织和细胞的主要物质如蛋白质、脂类、碳水化合物和核酸等在结构、构象和含量上都已发生了明显的变化，但并未产生特异性的临床症状和影像学改变，而傅里叶变换红外光谱（Fourier transform infrared spectroscopy,FTIR）技术却可通过上述变化提供的丰富的生物化学和形态学信息来发现癌前病变。将一束具有连续波长的红外光照射到物质时，当物质分子的振动频率与红外光的某一频率相同时，该分子就会吸收此频率的红外光并发生振动能级跃迁，从而产生该分子的红外吸收光谱。每种分子都有由其组成和结构决定的独有的红外吸收光谱，据此可以对分子进行结构分析和鉴定。FTIR技术就是利用上述原理，通过分析组织细胞各相应基团的分子振动变化来检测细胞的物质组成、结构域构象变化等“生化指纹”.在实际操作中，测量红外光谱中各谱带的峰位（P,peak position）、峰高（H,peak height）、峰强（I,peakintensity）、峰面积（A,peak area）以及半高宽（FWHM,fullwidth at half maximum）等指标并计算不同谱带的相对强度比值等参数，通过比较不同性质组织之间各项参数的差异从而达到早期诊断肿瘤的目的。同时伴随化学计量学的发展，红外光谱分析技术在判别分析方面也取得了很大的进步，因而它有望发展成为一种可靠的、快速无创的肿瘤早期检测技术。本文就目前FTIR技术在各系统恶性肿瘤诊断领域的研究进展做一综述。
1、消化系统
1.1胃癌。
Yi[2]的研究表明胃癌组织和胃部良性病变的红外光谱存在差异，主要表现在CH-伸缩的第二泛频共振峰（9000~7 000cm-1）、CH-伸缩的第一泛频共振峰（6000~5 200cm-1）和CH-伸缩组合（4500~4 000cm-1）的区域，这些差异谱带可作为胃癌的诊断标志。而通过主成分分析（principalcomponent analysis,PCA）和聚类分析（cluster analysis,CA）可将所有的光谱分为癌细胞组、良性病变组和正常组织组，其准确度、敏感性和特异性分别为81.1%,100%和68.2%.王健生等还研究了胃癌组织细胞膜与癌旁正常组织细胞膜的光谱特征，结果表明二者在细胞膜上生物大分子的红外光谱及与其相对应的组织、细胞层次上的红外光谱之间存在差异，说明胃癌和癌旁正常组织在组织、细胞和细胞膜水平上红外光谱变化的不完全一致性，证明了生物组织红外光谱研究的复杂性和多样性。
1.2食管癌。
也有学者进行了食管癌方面的红外光谱研究，Quaroni等发现与Barrett食管组织有关的吸收峰都位于800~1 300cm-1之间，说明蛋白酰胺I带和II带的吸收峰对判定Bar-rett食管组织并非必需；而Barrett食管组织中杯状细胞所分泌糖蛋白所产生的特异光谱可作为其重要诊断依据；但在食管腺癌组织中并未发现特异性的光谱。
1.3结肠癌。
Li等[3]研究发现，结肠癌和结肠炎的红外光谱在以下位置存在差异：在肿瘤组织中，代表脂肪的1 743cm-1附近的C O谱带以及2 966,2 927,和2 858cm-1附近的CH-伸1;1643cm-1附近蛋白酰胺I带的吸收峰在恶性结肠组织中增强；1460cm-1峰较1 400cm-1峰减弱；而在结肠炎组织中，1460cm-1峰较1 400cm-1增强或与之相等。Khanmohammadi等将化学计量学中的类模拟软独立建模法（soft independent modelingof classanalogy,SIMCA）应用于衰减全反射红外显微光谱中，对比研究了结肠正常组织和结肠癌组织，发现二者在1 800~900cm-1光谱区有显着差异，其判别准确性、特异性和灵敏度分别为93.3%,100%和88.2%,而应用线性判别分析（lineardiscriminant analysis,LDA）则分别达到95.8%,100%和93.1%[4].Travo等的研究表明正常组织和结肠腺癌组织分泌粘液的光谱簇相类似，而两者的表面百分比却明显不同，可以据此区分这两种组织类型。在诸多光谱特征中，与粘液二级结构相关的光谱变化是区分正常结肠组织和结肠腺癌组织二者最精准的光谱标记。
1.4胆囊癌。
在胆囊癌的诊断方面，孙启刚等发现与胆囊正常组织相比，胆囊癌组织的红外光谱中与脂类、糖和核酸相关的谱带均发生了明显的变化，具体表现为：胆囊癌的1 167和1 123cm-1谱带的峰位显着地向低波数移动，而1 309cm-1谱带的峰位显着地向高波数移动；胆囊癌组织光谱中多个吸收峰的相对强度I2 856/I1 461,I1 167/I1 461,I1 123/I1 461和I1 082/I1 461明显升高；1167和1 082cm-1谱带的半高宽显着升高，谱带1 461cm-1的半高宽则显着降低；癌组织中1 750cm-1谱带的出现几率明显增加。在判断胆囊癌边界方面，也有学者进行了研究，Wang等[5]发现：胆囊癌组织中没有位于1 740cm-1的C O谱带，而该谱带在其组织被膜中显着增高；与胆囊癌组织相比，癌组织被膜中位于2 957cm-1的CH3谱带和位于2 853cm-1的CH2谱带明显增高；与正常组织相比，肿瘤组织与其被膜中的峰强比I1 460cm-1/I1 398cm-1明显降低，并且该指标可以作为红外光谱诊断胆囊癌的重要标记。
2、泌尿生殖系统
2.1前列腺癌。
Kwak等[6]将FTIR成像法用于判别前列腺癌与非癌组织样本，结果显示该方法具有非常高的准确度（ROC曲线下面积>0.97）。Baker等首次将FTIR、主成分分析法与Glea-son分级、TNM评价系统相结合，对39例前列腺癌患者进行综合评估，评估结果的敏感性和特异性分别达到了92.3%和99.4%.该研究结果表明，在评价前列腺癌的生物学潜能中适时引入光谱学分析的方法能够有效提高结果的准确性和可重复性。研究者还发现FTIR技术可明显区分人类前列腺上皮细胞系RWPE家族的各细胞系。Patel等[7]分别采集前列腺癌发生的高危地区（英国）和低危地区（印度）患者的良性前列腺组织标本后，检测其对前列腺癌的易感性差异。他们发现位于腺上皮层基本蛋白的二级结构和DNA的不同是区分这二组的关键，这些生化差异可能为前列腺癌的病因学研究提供重要的思路。Derenne等[8]认为根据应用抗癌药后前列腺癌细胞的红外光谱特征可以推断该药物对癌细胞代谢的影响，可以为抗癌药分类。他们发现：不同的抗癌药会诱导产生不同的红外光谱变化，已知的会导致相似代谢紊乱的药物其红外光谱也都集中成簇；通过应用监督统计方法（层序分析、偏最小二乘分析等）可以建立有效的药物判别式模型。
2.2肾癌。
Sablinskas等[9]通过采用FTIR检测肾肿瘤组织与邻近的正常组织的生化成分，能够发现分布在邻近正常组织中的肾肿瘤细胞。他们这项研究表明，红外光谱成像可以应用于快速分辨肾肿瘤浸润组织与正常组织从而显着改善患者预后。
2.3宫颈癌。
Walsh等联合应用ATR-FTIR技术与PCA-LDA判别法对宫颈表皮脱落细胞的癌前病变分为正常细胞、低级（CIN1）、高级（CIN2和CIN3）和肿瘤细胞四级。结果发现碳水化合物、蛋白质及磷酸的特征吸收峰在不同级别的宫颈细胞中存在很大差异，在一定程度上可视为病变的生物学标记。而酰胺Ⅰ带与酰胺Ⅱ带中心吸光度的迁移则表明了病变组织中蛋白分子二级结构构象的变化，这一变化与渐进的病变过程相关联。李炜修等应用FTIR技术对17例宫颈鳞癌、5例宫颈腺癌及13例宫颈正常组织进行了分析。结果显示：有18个特征性谱带在各类组织中的出现概率都在80%以上；这3类组织红外光谱的相对强度比值差异主要表现在1 080,1 238,1 314,1 339,1 397,1 454,1 541,1 647,2 854,2 873,2 926和2 958cm-1处的比较上。这表明FT-IR技术可用于区分以上三类组织，以该技术为基础的方法有望成为宫颈癌筛检及临床诊断的新手段。Ostrowska等[10]研究了四种HPV拷贝数不同的宫颈癌细胞系：C33A,He-La,SiHa和CaSki细胞系。结果显示振动光谱技术能够区分出不同的细胞系并且可从蛋白、核酸和脂质等方面解释各细胞系的差异。主成分分析法证实C33A和SiHa的振动光谱具有相似性，而HeLa和CaSki则与这两者明显不同。他们认为这说明振动光谱技术可以作为宫颈癌传统诊断方法的有效补充从而达到早期诊断宫颈癌的目的。
2.4子宫内膜癌。
Taylor等[11]发现，通过研究组织中脂质和蛋白二级结构的红外光谱能够区分良恶性子宫内膜组织及其各种亚型，他们认为该方法客观可行并且有助于早期诊断子宫内膜癌从而减少该病的发病率和致死率。Kelly等发现不同子宫内膜癌的亚型具有不同的生化细胞指纹，雌激素相关的亚型与蛋白的改变有关，而雌激素无关的亚型可观察到有DNA的明显改变；区分不同亚型的主要光谱学参数为磷酸基团对称伸缩振动（1080cm-1）、蛋白质酰胺Ⅰ带（1650cm-1）和蛋白质酰胺Ⅱ带（1550cm-1）。
2.5卵巢癌。
Mehrotra等发现正常组织和卵巢癌在与蛋白质、核酸、脂质相关的谱带均有明显不同，特别是在1 500~1 700cm-1,恶性组织光谱中蛋白质二级结构的α-螺旋和β-折叠的强度发生变化。研究者据此认为红外光谱可用于区分正常与恶性卵巢组织。Kuimova等则在细胞水平进行了研究，发现在人类卵巢癌细胞系SK-OV-3中，红外光谱信号能够显示出细胞中不同细胞器的分化状况，蛋白质酰胺Ⅱ带在光谱中的分布可以确定细胞总的形状，而位于1 084和1 023cm-1位置的谱带分别与富含DNA的细胞核和富含糖原的内质网相关，该技术对进一步了解卵巢癌的肿瘤病理学具有潜在的应用价值。
3、乳腺甲状腺
3.1乳腺癌
Fabian等通过FTIR技术联合运用监督性模式识别方法中的人工神经网络（artificial neural network,ANN）分析，成功将乳腺纤维腺瘤、导管内原位癌、脂肪组织及结缔组织区分开来，识别准确率达到93%,他们认为这表明红外光谱技术结合现代统计学方法可实现对乳腺多种组织的鉴别诊断。Kelly等[12]收集了经细针穿刺所得的乳腺组织标本48例，按照其病理类型分为无法诊断、良性、可疑良性、可疑恶性及恶性五类。采集标本的FTIR显微光谱并应用PCA-LDA法进行统计分析，结果发现该方法可明显区分可疑良性组与恶性组，说明FTIR技术结合多元分析法在诊断乳腺癌方面具有极大的潜在价值。Khanmohammadi等采集了正常人和乳腺癌患者血样的傅里叶变换红外光谱进行线性判别分析，结果显示：与正常血样相比，乳腺癌患者血样在酰胺Ⅰ带1 658和1 635cm-1处的吸收峰明显增强；I1 635/I1 658的峰高比值随着乳腺癌的进展持续升高；通过线性判别分析法的判定准确度为97.9%.
3.2甲状腺癌
Zhang等[13]发现，在甲状腺乳头状癌和结节性甲状腺肿的两组患者中，甲状腺新鲜离体标本图谱的峰位P1 640,P1 240,P1 550及峰强比值I3 375/I1 460,I1 640/I1 460,I1 400/I1 460,I1 550/I1 080,I1 080/I1 460和I1 640/I1 550都存在组间差异；与病理学诊断结果相比，应用典则判别建立的甲状腺良恶性组织判别方程式的敏感性、特异性和准确性分别为83.3%,95.2%和91.7%.他们认为FTIR光谱技术联合典则判别方法，可以达到术中快速诊断鉴别良恶性甲状腺结节的目的。Liu等[14]测定了61枚新鲜离体的甲状腺癌转移性颈部淋巴结和123枚非转移性淋巴结的FTIR光谱，发现与非转移性淋巴结相比，转移性淋巴结光谱中与蛋白、脂质、糖类、核酸相关的谱带均发生了明显的变化，因此FTIR可应用于术中甲状腺癌转移性淋巴结的探测。
4、中枢神经系统
潘庆华、万伟庆等分别对离体脑膜瘤、胶质瘤进行近红外检测，发现不同类型脑膜瘤组织的红外光谱存在差异，同一类型的脑膜瘤组织随着恶性程度不同，其红外光谱也有较明显的变化；通过某些特征吸收峰峰位的变化来鉴别脑膜瘤的性质与病理诊断结果的符合率大于80%;可以根据各个特征吸收峰的峰位、峰形及谱峰强度等信息来识别脑胶质瘤，并初步鉴别肿瘤的性质。该方法有望发展成为一种对样品无损伤、快速的脑肿瘤诊断新方法。Steiner等[15]的研究表明，与不分泌生长激素（hGH-）的垂体瘤细胞相比，分泌生长激素（hGH+）的垂体瘤细胞具有更强的酰胺谱带。这说明红外光谱技术不仅能快速客观地分辨肿瘤组织和正常组织，还能鉴别出生长激素分泌阴性的肿瘤细胞。
5、呼吸系统
在采用傅里叶变换红外光谱对肺癌进行的研究中，Sun等[16]发现恶性肺组织与非恶性组间共有22个参数显着不同，其中I1 546,I1 120/I1 460,FWHM1 303和FWHM1 240最后被纳入典则判别的方程式，该方程式的敏感性和特异性均为96.7%,他们最终认为应用ATR-FTIR方法诊断恶性肺组织完全可行并且应该在肺肿瘤外科中进行推广。Lewis等对肺癌患者和健康人的痰液进行红外吸收光谱检测后发现肺癌组和健康组之间共有92个与蛋白、核酸以及糖原相关的光谱特征显着不同，其中5个主要的不同分别位于964,1 024,1 411,1 577和1 656cm-1处，通过多变量分析可将两组明显区分开来；主成分分析法结果显示这些光谱特征同时也能区分曾被诊断为乳腺癌的肺癌患者；而尚未发现任何与炎症或其他气道疾病相关的红外光谱特征。研究者认为通过测定痰液的红外光谱来筛查诊断肺癌具有高度的敏感性和特异性，同时具有无创、性价比高、高通量等优点。
6、血液和造血系统
作为非实体性肿瘤，血液系统的恶性肿瘤在其红外光谱表现上也有特殊之处。Sheng等[17]发现在其他恶性肿瘤中有显着改变的H1 079/H1 542和H1 045/H1 467在白血病中的改变并不明显；而H2 959/H2 931的比值则是白血病组和正常组之间的一个重要差异；曲线拟合的结果显示，RNA/DNA（A1 115/A1 028）的比值在白血病患者的血清中较正常者显着降低。这些结果表明通过测定患者血清的红外光谱有可能为白血病的诊断和研究提供重要帮助。Babrah等发现红外光谱法能将来自T细胞淋巴瘤、B细胞白血病和髓细胞性白血病的主要细胞区分开来，发现这三者光谱的主要差别集中在1 800~900cm-1之间的“指纹区”,这一发现对血液系统恶性肿瘤诊断和分型具有重要意义。Zelig等[18]证明白血病患者外周血单核细胞的红外吸收光谱中脂类含量显着降低而DNA的含量明显增高，此外还有额外的特征性光谱条带。这些诊断性的标记物可用于监测化疗过程中外周血单核细胞的生化改变。
7、皮肤
皮肤癌的表浅性使得红外光谱在这一领域起到越来越重要的作用，Sebiskveradze等[19]采用改进的基于模糊C-均值（fuzzyC-means,FCM）的聚类算法分析皮肤癌标本，显着突出了肿瘤组织的异质性，并能明确区分肿瘤和周围组织界面，这将有助于预测浸润型癌灶的扩散情况。还有学者进行了耐药方面的研究，Zwielly等发现在人黑色素瘤细胞中，与药物敏感细胞株相比，耐药细胞株中DNA/RNA的比率以及脂质/蛋白质的比率均显着增加，而具有不同耐药机制的两个亲本群体之间其红外光谱也不同。基于ATR光谱的聚类分析法所选择的生物标志物，如磷酸盐和RNA/DNA,能够区分耐药细胞的敏感性[20].
8、展望
综上所述，与传统方法相比，傅里叶变换红外光谱技术在诊断肿瘤方面具有准确、快速、无创、原位、廉价、自动化、可重复、无需预处理、能够在分子水平上实现早期诊断等显着优势。虽然目前红外光谱技术的进步及其在医学研究中应用的成果令人振奋，但仍有大量的工作亟待完成。在进一步的研究当中，应当注意并解决如下问题。
8.1扩大样本量，进行多中心研究。
通过建立红外光谱数据库和高效的判别分析系统诊断肿瘤的良恶性需要收集成千上万的光谱来构成庞大的样本量。迄今为止，有关红外光谱的研究多局限于单个中心或组织的个体活动，基于多中心的的研究仍还有待于进一步开展。
8.2与内窥镜、穿刺活检结合，实现术中实时原位诊断并指导活检。
随着光源、光学元件、检测器及相关软硬件的提升，采用红外探头直接接触皮肤、通过各种内窥镜接触体内的病变组织、或通过穿刺接触肿物得到病变组织的红外光谱进行快速诊断已成为可能，甚至可以在手术台上进行病变组织的快速定性，在恶性肿瘤的根治手术中快速确定活检及手术切除的范围，指导医生正确、实时地选择手术范围，从而减少术后并发症，在保证远期生存率的情况下大幅提高患者的生活质量。
8.3进一步实现自动化。
基于红外光谱技术对肿瘤的细胞学研究及组织学病理检查的高度自动化仍需要制定相关的标准化测量流程。
8.4找寻更为高效的化学计量学方法。
多变量数据分析技术使得全面地分析、处理来源于生物医学样本中极为庞杂的红外光谱数据成为可能。与大量有价值的分析技术相类似，对于不同的多变量计算方法，需要经过实际检验来决定最适宜的方法，并且建立可信、稳定、准确的判别或回归模型，同时降低假阳性率和假阴性率。在单一的多变量分析技术不能够满足需要时，疾病模式识别技术联合多种多变量数据分析方法，已成为复杂样本处理的有效方法。
8.5个别指认比较困难的光谱参数的识别尚有待进一步研究证实。
医学事业的发展趋势是基础研究与临床应用的密切结合。随着人类对肿瘤认知的逐渐加深、红外光谱技术的进一步发展以及相关红外数据资料的不断完善，加之更为强大和高效的数据分析方法的出现，我们有理由认为傅里叶变换红外光谱技术将很快成为一种能够辅助于临床的重要诊断方法，甚至可能作为肿瘤的常规筛查手段并应用于肿瘤的分期分级中。这一切的实现都需要科学家、光谱学家、生物学家和临床医生的良好沟通与通力合作。
References
[1]Binns C,Low W Y,Lee M K.Asia-Pacific Journal of Public Health,2013,25（5）：364.
[2]Yi W S,Cui D S,Li Z,et al.Spectrochimica Acta Part A,Molecular and Biomolecular Spectroscopy,2013,101:127.
[3]Li X,Li Q B,Zhang G J,et al.The Scientific World Journal,2012,2012:936149.
[4]Khanmohammadi M,Bagheri Garmarudi A,Samani S,et al.Pathology Oncology Research,2011,17（2）：435.
[5]Wang J,Zhang J,Wu W,et al.Digestive Diseases and Sciences,2010,55（9）：2670.
[6]Kwak J T,Hewitt S M,Sinha S,et al.BMC Cancer,2011,11:62.
[7]Patel I I,Trevisan J,Singh P B,et al.Analytical and Bioanalytical Chemistry,2011,401（3）：969.
[8]Derenne A,Gasper R,Goormaghtigh E.The Analyst,2011,136（6）：1134.
[9]Sablinskas V,Urboniene V,Ceponkus J,et al.Journal of Biomedical Optics,2011,16（9）：096006.
[10]Ostrowska K M,Malkin A,Meade A,et al.The Analyst,2010,135（12）：3087.
[11]Taylor S E,Cheung K T,Patel I I,et al.British Journal of Cancer,2011,104（5）：790.
[12]Kelly J G,Ahmadzai A A,Hermansen P,et al.Analytical and Bioanalytical Chemistry,2011,401（3）：957.
[13]Zhang X,Xu Y,Zhang Y,et al.The Journal of Surgical Research,2011,171（2）：650.
[14]Liu Y,Xu Y,Liu Y,et al.The British Journal of Surgery,2011,98（3）：380.
[15]Steiner G,Mackenroth L,Geiger K D,et al.Analytical and Bioanalytical Chemistry,2012,403（3）：727.
[16]Sun X,Xu Y,Wu J,et al.The Journal of Surgical Research,2013,179（1）：33.
[17]Sheng D,Liu X,Li W,et al.Spectrochimica Acta Part A,Molecular and Biomolecular Spectroscopy,2013,101:228.
[18]Zelig U,Mordechai S,Shubinsky G,et al.Biochimica et Biophysica Acta,2011,1810（9）：827.
[19]Sebiskveradze D,Vrabie V,Gobinet C,et al.Laboratory Investigation;A Journal of Technical Methods and Pathology,2011,91（5）：799.
[20]Zwielly A,Mordechai S,Brkic G,et al.European Biophysics Journal,2011,40（6）：795.
