附属肿瘤医院许林、尹荣团队发现肺癌早筛新策略

   11月8日，附属肿瘤医院许林、尹荣团队在《美国呼吸与重症监护医学杂志》（American Journal of Respiratory and Critical Care Medicine）杂志上发表题为《Multi-dimensional cell-free DNA fragmentomic assay for detection of early-stage lung cancer》的研究成果。该研究基于液体活检早筛技术，通过cfDNA（细胞游离DNA）片段组学特征建立模型，该模型在肺癌的筛查预测中展现优异且稳定的性能。

   肺癌是中国发病率和死亡率最高的恶性肿瘤。肺癌的早发现、早诊断、早治疗对延长患者生存，减轻经济负担及提高生活质量至关重要。目前，低剂量螺旋CT（LDCT）是肺癌早筛首选方法，但LDCT存在辐射风险，且假阳性率偏高，可能导致过度诊疗。基于液体活检的肿瘤早筛技术具有准确、无创、高效等优势，近年来成为肺癌早筛的新方向。然而已知研究报道中，部分液体活检技术对于肺癌，尤其是早期肺癌的发现能力依然偏弱，仍需要更加灵敏和稳定的模型对早期肺癌信号进行准确判读。

   该研究在训练集、验证队列中共纳入542例非小细胞肺癌患者及健康人志愿者（非小细胞肺癌312例，健康人230例），随机分为三个队列：模型训练队列、验证队列I、验证队列II。其中验证队列I用于评估模型性能并确定肿瘤判断癌症评分（Cancer Score）的阈值（cutoff），在验证队列II中作进一步评估。此外，研究还纳入240例独立验证队列（120例非小细胞肺癌及120例健康人）。

   研究对入组人群的cfDNA进行低深度全基因组测序（WGS），提取基因组cfDNA的片段大小分布（FSD）、片段大小比值（FSR）、末端序列（EDM）、断裂点序列（BPM）、及拷贝数变化（CNV）特征，使用五种机器学习方法结合的集成模型，来鉴别健康人和癌症患者。

   该研究的亮点在于，一是大样本量研究（n=782，非小细胞肺癌432例，健康人350例）；其中超75%肺癌样本来自早期患者，I期患者占53.7%，II期患者占23.1%；二是采用机器学习方法，对肿瘤的片段组学特征进行解码和鉴别，建立的模型在训练集、验证队列、独立验证队列中表现出优异性能，AUC均超过97%；三是模型在不同检测批次间，及低深度WGS测序的场景下仍具有极高的筛查稳定性，为临床落地可行性提供支撑；四是模型对早期肿瘤的预测性能优秀，I期肺癌敏感性达到83.2%，肿瘤小于1cm时预测敏感性达到85%。

   我院博士研究生王思炜、硕士研究生孟凡尘等为该论文的共同第一作者。学校公共卫生学院为本研究提供了重要的支持。

素材来源：附属肿瘤医院