英国多民族人群乳腺癌和卵巢癌风险预测模型BOADICEA的适应性优化研究

本研究针对BOADICEA模型（Breast and Ovarian Analysis of Disease Incidence and Carrier Estimation Algorithm）在非白人群体中适用性不足的问题，通过整合UK Biobank等多源数据，开发了适用于英国五大族裔（白人、黑人、南亚、东亚和混血）的乳腺癌（BC）和上皮性卵巢癌（EOC）风险预测模型。研究首次提出混合遗传祖先的多基因评分（PGS）校正方法，发现非白人女性绝对风险显著低于白人群体（如黑人女性终生BC风险降低16%），并揭示现行临床风险分类标准需针对族裔差异调整。成果发表于《British Journal of Cancer》，为个性化癌症预防提供更精准工具。

　　

乳腺癌长期占据英国女性癌症发病首位，每年新增约5.6万病例，而卵巢癌虽发病率较低却死亡率居高。尽管现有BOADICEA模型能整合遗传变异、家族史和生活方式因素进行风险评估，但其开发主要基于欧洲血统人群数据，导致对英国占18.3%的非白人群体预测偏差。更棘手的是，不同族裔间存在显著的癌症发病率差异（如黑人男性前列腺癌发病率是白人的2倍）、肿瘤亚型分布（黑人女性三阴性乳腺癌比例更高）以及多基因评分（PGS）的预测效能衰减等问题，这使得原有模型在多元文化社会的临床应用面临严峻挑战。

剑桥大学（University of Cambridge）的研究团队通过创新性的"合成建模"方法，将UK Biobank、KARMA队列等数据集与公共卫生统计数据相结合，完成了三大突破：首先建立族裔特异性癌症发病率数据库，揭示白人女性BC发病率较南亚裔高39%；其次开发混合祖先PGS校正算法，解决跨族裔遗传风险评估难题；最终构建首个涵盖五大英国族群的BOADICEA v7（BC模型）和v3（EOC模型）。该模型通过CanRisk平台（http://www.canrisk.org）开放使用，其预测显示非白人女性被归类为"高风险"的比例不足白人群体的1/10，这直接挑战了现行以白人数据为基础制定的临床干预阈值。

研究采用四项关键技术：1）利用英国公共卫生署2013-2017年数据计算族裔特异性发病率比率（IRRs）；2）基于UK Biobank 30万样本建立问卷风险因素（QRFs）分布；3）通过亚洲（MyBrCa/SGBCC）和非洲裔（BCAC）队列数据校准PGS跨族裔预测参数α；4）创新性推导混合遗传祖先个体的标准化PGS计算公式：Z=(∑P_iα_iZ_i)/σ，其中σ²包含等位基因频率的族裔间变异项。

癌症发病率与肿瘤亚型分布

分析显示所有非白人群体癌症发病率均低于白人，尤其南亚裔女性BC风险仅为白人的74.7%。肿瘤亚型分布呈现显著族裔差异：黑人女性BRCA1携带者中三阴性乳腺癌占比达58%，远超白人患者的42%。

遗传组分优化

研究发现313-SNP的BC-PGS在亚洲人群中的OR值（1.49-1.53）低于欧洲人群（1.64），对应的α参数衰减32%。针对混血个体设计的校正公式有效解决了传统加权平均法高估风险的问题。

风险分层重构

模型预测显示：考虑PGS+QRFs+乳腺密度时，白人女性中18.4%被归为中度风险（终生风险17-30%），而南亚裔仅3.8%。更值得注意的是，现行NICE指南的高风险阈值（>30%终生风险）在10万非白人女性中仅检出1例。

这项研究首次系统解决了癌症风险预测中的族裔公平性问题。其建立的混合祖先PGS计算方法为同类研究提供范式，而揭示的非白人群体风险分布压缩现象（风险区间较白人窄40%）则提示当前基于白人数据的临床指南可能需要修订。值得关注的是，模型仍存在局限性：亚洲数据主要来自马来西亚/新加坡队列，且未考虑中东等少数族群。未来随着更多族裔GWAS数据发布，模型精度有望进一步提升。正如作者强调，这项成果不仅适用于英国，其方法论框架可为其他国家构建本土化风险预测工具提供蓝本。