早期检测子宫体子宫内膜癌使用血cfDNA碎片组学
Jing Liu1, Dan Hu2, Yibin Lin1
1Department of Gynecology, Clinical Oncology School of Fujian Medical University, Fujian Cancer Hospital (Fujian Branch of Fudan University Shanghai Cancer Center), Fuzhou, China.
BMC medicine
|July 29, 2024
概括
使用循环无细胞DNA (cfDNA) 碎片学和机器学习的新血液测试显示,在早期检测子宫体子宫内膜癌 (UCEC) 时,其准确度很高. 这种非侵入性方法可以显著改善早期诊断和患者存活率.
科学领域:
- 妇科瘤学 妇科瘤学
- 分子诊断学 分子诊断
- 生物信息学是一种生物信息学.
背景情况:
- 子宫体子宫内膜癌 (UCEC) 是一种常见的妇科癌症.
- 早期发现UCEC对于有利的预后至关重要,但缺乏准确的测试.
- 目前对UCEC的诊断方法在灵敏度和特异性方面存在局限性.
研究的目的:
- 开发一种用于早期检测UCEC的非侵入性诊断方法.
- 为UCEC诊断利用循环无细胞DNA (cfDNA) 断片组学.
- 为准确的UCEC识别创建一个机器学习模型.
主要方法:
- 从UCEC患者和健康对照组收集了外周血液样本.
- 提取了cfDNA,并对碎片学数据进行了低覆盖范围的全基因组测序.
- 开发并验证了一种机器学习模型,以区分UCEC与健康状态.
主要成果:
- 在cfDNA碎片组学模型中,AUC值高 (0.991在训练中,0.994在验证中).
- 该模型表现出极好的灵敏度 (98.5%的培训,97.8%的验证) 和特异性 (95.5%的两个队列).
- 该模型可以识别99%的I阶段UCEC患者,可能将5年生存率从84%提高到95%.
结论:
- 一种基于cfDNA碎片学的新方法显示了早期UCEC检测的高准确性.
- 这种机器学习模型为UCEC诊断提供了一个有希望的非侵入性工具.
- 临床实施可以显著改善UCEC的管理和患者的治疗结果,因此需要进一步验证.
