整合ctDNA甲基化与影像组学特征的列线图模型辅助肺癌早期诊断

《BMC Pulmonary Medicine》：Development and validation of a prediction model for early-stage lung cancer based on circulating tumor DNA methylation and radiomics

摘要**背景**尽管循环肿瘤DNA（ctDNA）甲基化与影像组学在肺癌早期诊断中已展现出强大潜力，但两者的互补价值尚未得到充分探索。本研究旨在建立一个结合ctDNA甲基化与影像组学特征的列线图模型，为肺癌早期识别提供一种新策略。**方法**共纳入174例接受手术切除的肺结节患者。收集临床数据，提取影像组学特征，并检测外周血ctDNA甲基化水平（*SHOX2*、*RASSF1A*和*PTGER4*位点）。采用弹性网络回归结合5折交叉验证筛选关键影像组学特征并构建影像组学评分（Rad-score）。利用多因素logistic回归和赤池信息量准则（AIC）进行变量选择，构建三个预测模型：临床-甲基化模型、临床-影像组学模型和联合模型（临床-甲基化-影像组学模型）。采用曲线下面积（AUC）和决策曲线分析（DCA）评估模型性能，并与经典Mayo模型进行比较。**结果**肺癌患者的*SHOX2*、*RASSF1A*和*PTGER4*血浆ctDNA甲基化水平显著高于良性肺结节患者（*P* < 0.01）。通过弹性网络回归筛选出5个关键影像组学特征以构建Rad-score。联合临床-甲基化-影像组学模型表现出优异的诊断性能，训练集AUC为0.937，验证集AUC为0.847，显著优于Mayo模型。基于该模型的列线图最佳截断值为137.165（灵敏度89.5%，特异度87.0%），评分≥137.165提示恶性高风险。**结论**整合临床特征、ctDNA甲基化和影像组学的预测模型展现出优异的区分能力和临床应用价值，可有效辅助肺癌早期筛查。**临床试验注册号**不适用。