GAFAD:一种基于LC-MS/MS的模型,用于超越GALAD的局限性进行早期肝细胞癌检测

科学领域:

• 肝病学和癌症诊断 肝病学和癌症诊断
• 生物标志物发现和验证
• 瘤发生和疾病进展.

背景情况:

• 肝细胞癌 (HCC) 检测的常用工具GALAD评分可能会高估早期疾病的准确性,因为它来自先进的瘤队列.
• AFP-L3测定的局限性,包括低度的敏感性差,阻碍了检测小或AFP负的HCC瘤.

研究的目的:

• 开发和验证GAFAD评分,一个新的多变量模型,用于增强早期HCC检测.
• 将AFP-L3试验替换为使用LC-MS/MS.使用更灵敏的基化AFP百分比 (AFP-Fuc%) 测量.

主要方法:

• 在与乙型肝炎病毒 (HBV) 相关的队列中用AFP-Fuc%替换AFP-L3开发了GAFAD模型.
• 在具有重叠生物标志物水平的诊断性挑战队列中训练并测试了GAFAD模型.
• 在两个独立的队列中验证了GAFAD模型,包括各种病因 (HBV,HCV,非病毒性).

主要成果:

• 与GALAD相比,GAFAD在开发和验证队列中表现出优越的诊断性能,由更高的AUC,灵敏度和精度在90%的特异性证明.
• 在发展队列中,GAFAD实现了显著更好的绩效指标 (AUC:0.938对比0.887;灵敏度:82%对比66%).
• 在外部验证中,GAFAD的表现也超过了GALAD (AUC:0.874比0.841;灵敏度:72%比57%),包括早期和AFP阴性HCC.

结论:

• GAFAD评分为早期HCC检测提供了一种可靠和可通用的工具.
• 在不同患者群体和病因方面,GAFAD在查和诊断HCC方面显示出更好的临床应用性.
• 增强GAFAD的性能,特别是在具有挑战性的病例中,支持将其整合到临床实践中,以改善HCC管理.