基于四蛋白标志物联合临床特征与CT影像的肺结节良恶性鉴别新型复合模型研究

本研究针对LDCT筛查肺结节假阳性率高的问题，通过整合四蛋白标志物(4MP)、临床特征及CT影像参数，构建了新型复合诊断模型。该模型在训练队列中AUC达0.808，对小结节(≤6 mm)鉴别效能尤为突出(AUC=0.835)，显著优于传统LCBP模型，为肺癌早期精准诊断提供了重要工具。

　　

肺癌作为全球第二大常见癌症，其早期诊断对改善预后至关重要。尽管低剂量CT(LDCT)筛查显著降低了肺癌死亡率，但高达96.2%的阳性结果为假阳性，导致不必要的侵入性检查。目前临床依赖的Mayo模型和Brock模型在亚洲人群中的适用性有限，而液体活检技术又面临灵敏度不足的挑战。在此背景下，浙江医院的研究团队通过整合血清四蛋白标志物(4MP)、临床特征和CT影像参数，开发了一种新型复合诊断模型，相关成果发表于《Clinical and Experimental Medicine》。

研究采用免疫荧光法检测380例肺结节患者血清Pro-SFTPB、CA125、Cyfra21-1和CEA水平，结合LassoCV筛选的7项临床/影像特征（年龄、性别、BMI、癌症家族史、结节大小、边缘和密度），通过logistic回归构建模型。队列按6:4分为训练集(n=228)和验证集(n=152)，所有结节均经术后病理确诊。

研究结果显示：在训练队列中，单纯4MP模型的AUC为0.612，而整合临床特征和CT参数的复合模型AUC提升至0.808，对≤6 mm小结节的鉴别效能达0.835。验证队列中，该模型(AUC=0.714)显著优于LCBP结节风险模型(AUC=0.599)。值得注意的是，结节密度(权重0.364)和边缘特征(权重0.242)对模型贡献最大，而传统认为重要的结节大小权重仅0.009。

该研究创新性地证明：1) 复合模型通过多维度数据整合，解决了单一标志物鉴别效能不足的问题；2) 对亚洲人群特有的小结节(≤6 mm)表现出卓越诊断性能，填补了现有西方模型的应用空白；3) 首次明确血清Pro-SFTPB与中国早期肺癌的相关性。这些发现为优化肺癌筛查路径提供了重要依据，尤其适合在LDCT初筛后对不确定结节进行二次风险评估。未来需扩大样本量特别是小结节病例，并开展多中心验证以进一步推广临床应用。