郭宏骞教授团队:世和MERCURY片段组学前列腺癌早筛模型AUC突破0.915发表时间:2025-12-04 20:50 ![]() 导语 前列腺癌是全球男性第二高发的恶性肿瘤,在癌症相关死亡中位列第五[1]。前列腺特异性抗原(PSA)检测是其目前的主要筛查手段,但特异性不足,尤其当PSA处于“灰区”时诊断准确性有限[2]。南京大学医学院附属鼓楼医院郭宏骞教授团队与世和基因合作开展的DECIPHER-PRAD研究,首次将世和MERCURY cfDNA片段组学技术应用于前列腺癌早筛,成功构建片段组学模型,以及融合PSA水平的综合模型,AUC突破0.915,有望为前列腺癌筛查提供一种高精度非侵入性补充检测方法。相关成果已于近日发表在Cell Communication and Signaling(IF=8.9)[3]。 研究亮点 1、样本量大:共纳入379例参与者,其中前列腺癌189例,非癌190例。 2、片段组学模型性能优异:训练队列和验证队列AUC分别达0.933和0.887。 3、片段组学模型在PSA诊断灰区(4-10 ng/mL)依旧稳健:训练队列和验证队列AUC分别达0.947和0.865。 4、整合片段组学与PSA的综合模型,性能进一步提升:训练队列和验证队列AUC分别达0.948和0.915。 研究设计 本研究共纳入379例参与者,其中训练队列包含106例前列腺癌患者和114例非癌高风险人群,独立验证队列包含83例前列腺癌患者和76例非癌高风险人群(图1)。采集外周血血浆cfDNA进行低深度全基因组(WGS)测序,提取拷贝数变异(CNV)、片段大小覆盖度(FSC)两种片段组学特征,通过机器学习算法依次构建片段组学模型,以及融合片段组学评分与PSA水平的综合模型。 ![]() 图1. DECIPHER-PRAD研究队列设计 研究结果 片段组学模型性能优异 基于CNV、FSC构建的片段组学模型在训练队列与验证队列中均展现了对前列腺癌与非癌样本优异的区分能力。为进一步减少假阳性,研究将模型在PSA ≥ 4 ng/mL人群中达到98%特异性时的数值设定为阈值。在此阈值下,模型在训练队列中区分癌与非癌的AUC达0.933,特异性95.6%,敏感性66.0%(图2A);在验证队列中AUC为0.887,敏感性57.8%,特异性92.1%(图2C),且无论PSA水平如何,癌症样本评分均高于非癌样本(图2B、D)。 ![]() 图2. 片段组学模型预测性能 片段组学模型在PSA诊断灰区人群中鉴别能力更优 临床上PSA筛查的特异性较低,难以有效区分PSA 4–10 ng/mL灰区人群中的癌与非癌。在训练队列中,约有52%的PSA 4–10 ng/mL人群实际为非癌,其预测评分均低于阈值,能进一步被模型正确识别,模型在灰区人群中鉴别癌与非癌的AUC达0.947,显著优于PSA的0.652(图3A、B);在验证队列中,模型对于灰区样本的检测性能依然优异,AUC达0.865,优于PSA的0.759(图3C、D),可帮助减少不必要的前列腺穿刺,降低出血等并发症,节约医疗资源。 ![]() 图3. 片段组学模型在PSA灰区的鉴别性能 整合片段组学与PSA的综合模型进一步提升诊断性能 研究基于机器学习算法构建了整合PSA水平、FSC评分和CNV评分的综合模型,该模型的预测性能进一步提升,在训练队列和验证队列中AUC分别达0.948和0.915,其中训练队列中敏感性和特异性为68.3%和98.1%,验证队列中敏感性和特异性达67.1%和93.2%(图4A、D)。癌症样本的整合评分显著高于非癌样本(p<0.001,图4B、E),且评分随分期升高而递增(图4C、F)。 ![]() 图4. 片段组学与PSA的综合模型预测性能 结语 基于MERCURY cfDNA片段组学技术的世和DECIPHER系列早筛研究,涵盖泛癌种以及多个单癌种,已在国际高水平期刊发表20多篇SCI论文,影响因子超350分。本次DECIPHER-PRAD研究则首次验证了其在前列腺癌早筛中的优异性能,尤其在PSA灰区人群中(4-10 ng/mL)表现突出,临床价值显著。研究通过整合片段组学与PSA构建综合模型,进一步提升检测的准确性,不仅为cfDNA片段组学技术弥补现有肿瘤筛查局限提供了有力证据,也为前列腺癌的精准筛查与分层管理提供了新策略。 郭宏骞 教授 南京鼓楼医院泌尿外科主任 南京大学泌尿外科学研究所所长 主任医师、教授、博士生导师
|