编辑推荐：
胰腺癌（PDAC）早期诊断困难，死亡率高。研究人员分析肿瘤教育血小板（TEPs）的 RNA 测序数据，利用多种机器学习（ML）算法和树状 Parzen 估计器（TPE）优化建模。结果显示 SVM:RF:GBM 集成模型表现最佳，为早期 PDAC 预测提供新方法。
在医学的抗癌战场上，胰腺癌（Pancreatic Ductal Adenocarcinoma，PDAC）堪称一颗 “恶性炸弹”，它每年无情地夺走超过 45 万人的生命 ，五年生存率仅在 2 - 9% 这个极低的区间徘徊。究其原因，早期诊断的困境是关键阻碍。由于缺乏精准有效的早期检测手段，多数患者确诊时，病情已发展至晚期，癌细胞四处转移，治疗难度极大。传统的检测方式在早期 PDAC 面前 “力不从心”，血液、尿液等常见的液体活检途径，虽有潜力成为无创检测的突破口，但目前仍未找到能精准识别早期 PDAC 的有效方法。肿瘤教育血小板（Tumor-Educated Platelets，TEPs）的出现带来了新希望，它能捕获肿瘤来源的 RNA，理论上可用于区分癌症患者和健康人。然而，之前基于粒子群优化（Particle Swarm Optimization，PSO）算法的 thromboSeq 平台，在早期 PDAC 检测上表现不佳，I 期预测率为 0%，II 期也仅 40% ，这迫切需要新的技术和方法来突破困境。
在此背景下，来自马来西亚理科大学医学院的研究人员勇挑重担，开展了一项意义重大的研究。他们的研究成果发表在《Biomedical Signal Processing and Control》上，为早期 PDAC 的诊断开辟了新路径。研究人员深入分析 TEPs 的 RNA 测序（RNA-seq）数据（GSE183635），致力于找到更有效的早期 PDAC 预测模型。
研究人员运用了多种关键技术方法。首先，从庞大的基因数据中筛选出早期 PDAC 特异性的差异表达基因（Differentially Expressed Genes，DEGs）作为后续建模的特征。接着，为优化模型性能，采用树状 Parzen 估计器（Tree-structured Parzen Estimator，TPE）算法对机器学习（Machine Learning，ML）模型的超参数进行调整。研究使用了线性（逻辑回归）和非线性 [支持向量机（Support Vector Machine，SVM）、随机森林（Random Forest，RF）、XGBoost（XGB）和 LightGBM（GBM）] 等多种 ML 算法，并进行单独建模和集成建模 。此外，还对二分类的概率进行校准，以提高预测的准确性。数据来源为从基因表达综合数据库（Gene Expression Omnibus）获取的 TEPs RNA-seq 计数矩阵，并依据特定的排除标准进行筛选 。
下面来详细看看研究结果：
- 数据集处理：从基因表达综合数据库获取 TEPs RNA-seq 计数矩阵后，依据排除标准，剔除了无完整人口统计信息（年龄、性别）以及早期癌症病例数过少的样本 ，确保后续研究数据的可靠性。
- 识别 PDAC 特异性 DEGs：研究涉及 14 种不同疾病状态的分组，分为非癌症疾病患者和早期癌症患者两大类。通过分析，找出早期 PDAC 特异性的 DEGs，为构建精准的预测模型奠定基础 。
- 模型构建与优化：利用 TPE 算法对多种 ML 算法进行超参数优化，结果显示 TPE 对非线性 ML 算法（SVM、RF、XGB 和 GBM）的优化效果显著。在此基础上，开展集成建模，将不同的 ML 算法进行组合。实验发现，结合 SVM、RF 和 GBM 的加权集成模型（SVM:RF:GBM 集成模型）表现最为出色 。
- 模型性能评估：在经过校准的测试集中，SVM:RF:GBM 集成模型的受试者工作特征曲线下面积（ROC AUC）达到 0.905，灵敏度为 0.857，特异性为 0.850 。在训练集和测试集中，该集成模型通过 13 种不同性能指标评估，均展现出稳定一致的性能，而单个模型则不具备这种稳定性。
研究结论表明，经 TPE 优化的 SVM:RF:GBM 集成模型是一种全新的早期 PDAC 预测模型。这项研究意义非凡，它首次将 TPE 超参数调整、集成建模和概率校准策略相结合，为早期 PDAC 的检测提供了更精准、可靠的方法，打破了以往早期 PDAC 诊断的困境。同时，该研究提出的预测模型构建框架，为癌症诊断领域提供了新思路，有望推动其他癌症早期诊断技术的发展，助力医学在抗癌斗争中取得更大突破，让更多患者能在癌症早期被发现，从而获得更好的治疗机会和生存希望。
