中枢神经系统肿瘤诊断中的甲基化谱分析：来自中欧的单中心真实世界经验

《Virchows Archiv》：Methylation profiling in CNS tumor diagnostics: a single-centre real-world experience from Central Europe

　　全基因组DNA甲基化谱分析通过提供基于机器学习的客观分类体系，减少了观察者间差异，并完善了当前WHO分类的组织分子标准，从而彻底改变了神经肿瘤学领域。我们在一项前瞻性研究中评估了该方法的实际诊断效能和临床效用，研究纳入连续入组的为期三年的291例中枢神经系统（CNS）肿瘤患者队列，涵盖成人和儿童混合人群。95.9%的病例成功完成甲基化谱分析。使用Epignostix分类器，70.3%的可分析样本获得高置信度诊断匹配（校准评分[CS]≥0.84），26.5%返回较低置信度评分（≥0.3至<0.84），仅3.2%完全无法分类（CS<0.3）。当整合到综合诊断框架中时，甲基化谱分析在81.1%的病例中提供了有临床价值的结果，在70例提交分子亚分类的病例中确立了诊断，并在149例组织学上具有挑战性的肿瘤中解决了诊断不确定性或引发了重大修订。在真正模糊的病变中，整合甲基组数据在38.8%的病例中决定了肿瘤分级调整（29.4%升级和9.4%降级），从而改变了患者的风险分层。重要的是，超过一半（52.7%）的低置信度病例在组织形态学和辅助遗传学或免疫组织化学标记物的支持下，产生了有意义的临床整合，这表明僵硬的评分阈值不应决定检测失败。1.9%的病例出现了不一致或误导性的分类。将生物信息学流程从版本11b4更新到12.8，拯救了多个模糊条目，将总体临床效用提高到84.1%。这些发现表明，将计算表观基因组学与经典神经病理学相结合可以提高诊断精度，同时强调了持续进行仔细的临床-病理相关性的必要性。