《Analytica Chimica Acta》：Intelligent POCT for Ovarian Cancer: Dual-Biomarker Detection Combined with ROMA Risk Assessment Using Selenium Nanoparticle
编辑推荐：
卵巢癌早期筛查中，基于硒纳米颗粒（SeNPs）的即时检测（POCT）平台集成双标志物（CA125/HE4）检测与智能手机AI分析系统，实现3分钟快速筛查，灵敏度达35 U/mL（CA125）和100 pmol/L（HE4），与化学发光法一致性达95%，结合ROMA算法可实时计算患者癌症风险。
Weiqi Xie|Jinbo Wu|Xiaoyi Xie|Mengli Wu|Menghan Zhang|Mengyao Zhang|Xiaoquan Li|Li Wang|Lanju Wang|Zhigang Liu|Zhizeng Wang|Chunxia Chen
抗体药物工程联合国家实验室，河南大学第一附属医院，中国开封475004
摘要
由于缺乏灵敏、快速且易于获取的检测方法，卵巢癌的早期诊断仍然是一个未解决的问题。为应对这一临床挑战，本研究开发了一种创新的诊断平台，该平台集成了新型硒纳米颗粒（SeNPs）探针、双生物标志物（CA125和HE4）检测以及智能分析系统。CA125和HE4的检测限分别确定为35 U/mL和100 pmol/L，并且未观察到交叉反应。利用计算机视觉和人工智能工程技术，本研究实现了基于智能手机的图像采集与人工智能辅助分析的结合。对360个临床样本的测试结果表明，该试剂盒与化学发光方法的符合率超过95%，双标志物联合检测的AUC达到0.914。通过整合ROMA算法，可以根据检测结果和患者的绝经状态实时计算卵巢癌的风险概率，从而实现定量风险评估。本研究提供了一种稳定、高度特异、经济高效且支持临床决策的卵巢癌早期筛查即时诊断方案，推动了即时检测技术向智能化和精准化的发展。
引言
卵巢癌是全球最致命的妇科恶性肿瘤之一。超过70%的患者在晚期（III期或IV期）才被诊断出来，五年生存率低于30% [1]。然而，如果能在早期发现并及时干预，患者的五年生存率可显著提高至90%以上 [2]。这种生存率的巨大差异凸显了开发高效早期诊断工具的紧迫性。
目前，卵巢癌的临床检测依赖于妇科检查、影像学检测和血清肿瘤标志物检测。其中，血清标志物检测因其无创性和便捷性而在早期筛查中起着重要作用。碳水化合物抗原125（CA125）和人附睾蛋白4（HE4）是临床实践中最常用的卵巢癌血清标志物 [3]，[4]，[5]，[6]，[7]。它们的联合检测可以显著提高诊断的灵敏度和特异性 [8]。CA125和HE4组合的临床应用已得到美国（FDA）和中国的（NMPA）的批准，并被纳入临床指南。基于这两种标志物的ROMA（卵巢恶性肿瘤风险算法）模型已成为评估卵巢肿块良性或恶性性质的重要工具 [9]。然而，ROMA模型的临床应用依赖于中心实验室，缺乏定量、智能的双标志物快速检测方法。
即时检测（POCT）技术，尤其是侧向流动免疫测定（LFIA）技术，凭借其快速、低成本和操作简便的优点，非常适合卵巢癌的早期筛查。它是获取ROMA（HE4和CA125值）实时核心数据的最有前景的方法。LFIA检测的结果取决于标记探针的选择。其中，基于视觉解释的常用显色探针是胶体金（AuNPs）。然而，AuNPs存在信号强度弱、灵敏度低和成本高的缺点 [10]。近年来，硒纳米颗粒（SeNPs）作为一种新型显色探针显示出巨大潜力，因其制备过程简单、稳定性好、成本低且着色明显 [11]。在卵巢癌的早期筛查中，SeNPs表现出显著优势：其检测限（LOD）能够准确覆盖临床临界值，满足早期筛查的灵敏度要求；同时，它们具有良好的检测稳定性，适用于分散式和资源有限的筛查场景；此外，其低成本特性使其在大规模人群筛查项目中具有很高的性价比 [11]，[12]。随着移动医疗和人工智能（AI）技术的快速发展，LFIA正迅速向智能化方向发展。通过整合智能手机图像采集和AI分析算法，可以实现检测结果的客观和定量解读，为临床决策提供辅助支持。
基于上述背景，本研究创新性地结合了低成本的SeNPs、双生物标志物检测、智能手机AI分析系统以及实时ROMA风险评分，将ROMA从实验室特定检测转变为真正的床旁决策工具。该平台为卵巢癌的早期筛查、快速分诊和精准管理提供了变革性的技术手段。未来，这一智能POCT框架可以扩展到包括更多生物标志物，实现多癌症检测，或支持与基于云的临床决策支持系统集成的家庭/自我检测场景（图1）。
材料
牛血清白蛋白（BSA）和海藻糖购自Sigma Aldrich（美国圣路易斯）。碳酸钾和磷酸二氢钾购自Zhiyuan Chemical Reagents（中国天津）。Tween 20购自Solarbio（中国北京）。蔗糖购自National Pharmaceutical Chemical Reagents（中国上海）。十二烷基硫酸钠（SDS）由Aladdin（中国上海）提供。聚乙二醇（PEG）购自Yuanye（中国上海）。
SeNPs的特性和性能鉴定
SeNPs的合成主要采用三种方法：化学合成法、生物合成法和物理合成法。生物合成法通过利用微生物或植物提取物实现绿色合成，但制备周期较长 [14]。物理合成法需要较高的设备成本和严格的反应条件，导致产品粒径分布广泛且容易聚集，形态可控性较差
结论
本研究成功制备了一种具有优异分散性和稳定性的SeNPs探针。在此基础上，开发了一种基于LFIA的即时诊断试剂盒，通过双标志物SeNPs-LFIA结合智能手机/AI实现基于ROMA的风险评估。该试剂盒可实现3分钟快速双标记检测，具有良好的稳定性和特异性。经过360个临床样本的验证，其准确率超过95%，与化学发光方法相比。
CRediT作者贡献声明
Mengyao Zhang：验证、调查、数据整理。Menghan Zhang：验证、调查、数据整理。Mengli Wu：调查、数据整理。Chunxia Chen：撰写——审稿与编辑、监督、方法学、资金获取、概念构思。Weiqi Xie：撰写——初稿、方法学、概念构思。Zhizeng Wang：撰写——审稿与编辑、监督、资金获取、概念构思。Xiaoyi Xie：撰写——初稿、方法学、概念构思。
利益冲突声明
作者声明没有利益冲突。
利益冲突声明
? 作者声明没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
本研究得到了国家自然科学基金（82472380、82504800）、重庆市技术创新与应用发展专项项目（CSTB2023TIAD-KPX0063-2）、河南大学第一附属医院的开放项目研究（EFZD24004）、中国博士后科学基金（2024M750783）、河南省科技厅（252102311166、252102311019、252102311183、262102311018）的支持。同时，也得到了其他机构的支持。
