Histopathology, despite being the gold standard as a diagnostic tool, does not always provide a correct diagnosis for different pleural lesions. Although great progress was made in this field, the problem to differentiate between reactive and malignant pleural lesions still stimulates the search for additional diagnostic tools. Our research using vibrational spectroscopy and principal component analysis (PCA) statistical modeling represents a potentially useful tool to approach the problem. The objective method this paper explores is based on the correlation between different types of pleural lesions and their vibrational spectra. Obtained tissue spectra recorded by infrared spectroscopy allowed us to categorize spectra in different groups using a created PCA statistical model. The PCA model was built using tissues of known pathology as the model group. The validation samples were then used to confirm the functionality of our PCA model. Student’s t-test was also used for comparing samples in paired groups. The PCA model was able to clearly differentiate the spectra of mesothelioma, metastasis and reactive changes (inflammation), and place them in discrete groups. Thus, we showed that Fourier transform infrared spectroscopy combined with PCA can differentiate pleural lesions with high sensitivity and specificity. This new approach could contribute in objectively differentiating specific pleural lesions, thus helping pathologists to better diagnose difficult pleural samples but also could shed additional light into the biology of malignant pleural mesothelioma.

中文翻译：

---

EXPRESS：使用傅立叶变换红外光谱区分恶性间皮瘤和其他胸膜病变

尽管组织病理学是诊断工具的金标准，但并不总能为不同的胸膜病变提供正确的诊断。尽管在该领域取得了很大进展，但区分反应性胸膜病变和恶性胸膜病变的问题仍然刺激了对其他诊断工具的探索。我们使用振动光谱和主成分分析 (PCA) 统计建模的研究代表了解决该问题的潜在有用工具。本文探索的客观方法是基于不同类型的胸膜病变与其振动谱之间的相关性。通过红外光谱记录获得的组织光谱使我们能够使用创建的 PCA 统计模型对不同组中的光谱进行分类。以已知病理的组织为模型组建立PCA模型。然后使用验证样本来确认我们的 PCA 模型的功能。学生 t 检验也用于比较配对组中的样本。PCA 模型能够清楚地区分间皮瘤、转移和反应性变化（炎症）的光谱，并将它们放在离散的组中。因此，我们表明傅里叶变换红外光谱结合 PCA 可以以高灵敏度和特异性区分胸膜病变。这种新方法有助于客观区分特定的胸膜病变，从而帮助病理学家更好地诊断困难的胸膜样本，同时也可以为恶性胸膜间皮瘤的生物学提供更多信息。然后使用验证样本来确认我们的 PCA 模型的功能。学生 t 检验也用于比较配对组中的样本。PCA 模型能够清楚地区分间皮瘤、转移和反应性变化（炎症）的光谱，并将它们放在离散的组中。因此，我们表明傅里叶变换红外光谱结合 PCA 可以以高灵敏度和特异性区分胸膜病变。这种新方法有助于客观区分特定的胸膜病变，从而帮助病理学家更好地诊断困难的胸膜样本，同时也可以为恶性胸膜间皮瘤的生物学提供更多信息。然后使用验证样本来确认我们的 PCA 模型的功能。学生 t 检验也用于比较配对组中的样本。PCA 模型能够清楚地区分间皮瘤、转移和反应性变化（炎症）的光谱，并将它们放在离散的组中。因此，我们表明傅里叶变换红外光谱结合 PCA 可以以高灵敏度和特异性区分胸膜病变。这种新方法有助于客观区分特定的胸膜病变，从而帮助病理学家更好地诊断困难的胸膜样本，同时也可以为恶性胸膜间皮瘤的生物学提供更多信息。PCA 模型能够清楚地区分间皮瘤、转移和反应性变化（炎症）的光谱，并将它们放在离散的组中。因此，我们表明傅里叶变换红外光谱结合 PCA 可以以高灵敏度和特异性区分胸膜病变。这种新方法有助于客观区分特定的胸膜病变，从而帮助病理学家更好地诊断困难的胸膜样本，而且还可以进一步了解恶性胸膜间皮瘤的生物学。PCA 模型能够清楚地区分间皮瘤、转移和反应性变化（炎症）的光谱，并将它们放在离散的组中。因此，我们表明傅里叶变换红外光谱结合 PCA 可以以高灵敏度和特异性区分胸膜病变。这种新方法有助于客观区分特定的胸膜病变，从而帮助病理学家更好地诊断困难的胸膜样本，同时也可以为恶性胸膜间皮瘤的生物学提供更多信息。