高危人群中无创食管癌筛查：多组学整合模型

《npj Precision Oncology》：Non-invasive esophageal cancer screening in high-risk populations: a multi-omics integration model

　　

摘要

食管癌是中国癌症相关死亡的主要原因之一，超过95%的患者在疾病晚期才被诊断出来，因此生存率较低。早期检测对于改善预后至关重要，但目前的筛查方法要么具有侵入性，要么灵敏度不足。我们通过整合循环游离DNA的甲基化特征和片段组学特征，开发了一种无创的早期检测模型。利用三层堆叠的集成机器学习框架，我们对309名参与者的多中心血液样本进行了分析，这些参与者包括食管癌患者和高风险人群。这种名为ESim-seq（基于集成模型的食管癌筛查）的整合模型在验证中的AUC值为0.994（95%置信区间：0.979–1.000）。在99%的特异性下，其灵敏度达到了87.3%，模拟筛查结果显示，该模型可使I期患者的检出率提高24.8%。分层分析表明，该模型在不同人口统计学特征、风险因素以及肿瘤分期中都具有较强的稳定性。临床效益建模显示，在理想条件下，该模型可将I期患者的检出率提高到56.3%，相比传统治疗方法能显著提升患者的生存率。本研究建立了一种基于游离DNA的分析框架，并证明了多特征整合在食管癌早期检测中的优势。