多维无细胞DNA碎片学使得乳腺癌的早期检测成为可能
Lixian Yang1,2, Mengyang An1, Heng Song1
1Breast Center, The Fourth Hospital of Hebei Medical University, 169 Tianshan Street, Shijiazhuang, 050000, Hebei, People's Republic of China.
Breast cancer research : BCR
|December 10, 2025
概括
一种使用无细胞DNA (cfDNA) 碎片学的新组合模型显著提高了早期乳腺癌检测灵敏度. 这种方法将cfDNA功能与机器学习集成在一起,以实现更准确和及时的诊断.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 无细胞DNA (cfDNA) 断片组学显示出早期乳腺癌检测的前景.
- 目前的cfDNA方法缺乏足够的灵敏度用于临床使用,尤其是在早期.
- 开发精确,具有成本效益的诊断工具,整合cfDNA分析和机器学习至关重要.
研究的目的:
- 开发和验证一种高度敏感的诊断模型,用于早期发现乳腺癌.
- 将cfDNA碎片的特征与先进的机器学习算法集成在一起.
- 改进现有的基于cfDNA的乳腺癌查方法.
主要方法:
- 从191名健康和204名乳腺癌参与者的血cfDNA全基因组测序.
- 在培训队伍中开发和评估各种cfDNA特征和机器学习模型.
- 在单独的验证队列中对优化模型的独立性能评估.
主要成果:
- 组合模型结合了三个cfDNA特征和六个机器学习算法,实现了卓越的性能.
- 该模型表现出高灵敏度 (93.3%的培训,96.5%的验证) 和特异性 (94.6%的培训,93.7%的验证).
- 该模型在不同癌症阶段,类型和分子分类中显示出一致的灵敏度.
结论:
- 一个使用cfDNA碎片组学特征的堆叠组合模型成功建立.
- 该模型为早期乳腺癌检测提供了卓越的灵敏度.
- 这些发现支持了改善早期诊断和患者结果的潜力.
