机器学习助力胰腺癌血浆小细胞外囊泡 mRNA 诊断及预后特征开发的关键意义

胰腺癌（PDAC）因缺乏有效诊断生物标志物常晚期确诊。研究人员分析 100 名参与者血浆小细胞外囊泡（sEVs）的 mRNA 测序数据，构建诊断模型。结果显示，4 sEV mRNAs 诊断特征联合 CA19-9 能区分患者，且该模型分数与预后相关，为 PDAC 诊断和预后评估提供新无创方法。

　　背景：胰腺癌（Pancreatic ductal adenocarcinoma，PDAC）由于缺乏有效的诊断生物标志物，常常在晚期才被确诊。小细胞外囊泡（Small extracellular vesicles，sEVs）作为液体活检中具有潜力的临床生物标志物崭露头角。本研究旨在探索用于 PDAC 诊断的 sEV mRNA 生物标志物，并识别出能够指导 PDAC 患者预后的相关标志物。方法：研究人员分析了 100 名参与者血浆 sEVs 的 mRNA 测序数据，运用四种机器学习技术构建并评估诊断模型。通过四种特征提取方法确定了部分血浆 sEV mRNAs，并用于构建诊断模型。同时，研究人员还评估了该模型对 PDAC 患者生存预后的预测价值。结果：与糖类抗原 19-9（Carbohydrate antigen 19-9，CA19-9）联合使用时，4 sEV mRNAs 诊断特征（d-signature）能够很好地区分 PDAC 患者与非 PDAC 个体、健康对照个体以及胰腺良性疾病患者。在训练队列中，曲线下面积（Area under the curve，AUC）分别为 0.902、0.971 和 0.845；在验证队列中，AUC 分别为 0.803、0.938 和 0.762。此外，Cox 回归分析表明，基于 sEV mRNA 特征构建的分数是 PDAC 生存预后的独立不良预后因素。结论：本研究通过机器学习方法证明了 sEV mRNA d-signature 在 PDAC 诊断中的潜在效用。同时，该诊断模型的分数与 PDAC 患者的不良结局显著相关。这为 PDAC 患者的临床诊断和预后评估提供了一种新的无创 sEV mRNA 特征。