多组学与AI团结开启肺结节诊断新篇章

手艺研发

目今位置：首页>手艺研发>科研效果 >2024

多组学与AI团结开启肺结节诊断新篇章

克日，北京中日友好医院呼吸与危重症医学科杨萌主任团队，上海市肺科医院张鹏教授团队，华西医院王业教授、王凯歌博士团队与ca88生物相助，在《Journal of Translational Medicine》（IF 6.1）揭晓了一篇关于肺结节良恶性鉴别的研究论文，题为《Enhancing the differential diagnosis of small pulmonary nodules: A comprehensive model integrating plasma methylation, protein biomarkers and LDCT imaging features》^[1]。该研究综合剖析了血液游离DNA（cfDNA）甲基化、血浆卵白质标记物和低剂量螺旋CT（LDCT）影像特征，团结人工智能算法，为肺结节，尤其是小结节的良恶性判别提供了全新的要领。

肺癌是“全球第一大癌症”，也是“全球第一大癌症杀手”^[2]。只管LDCT被证实能够有用检测早期肺癌，但仅使用LDCT区分恶性和良性结节依然具有挑战性 ^[3]。现在，基于古板影像学和生物标记物的研究，由于临床数据的重大性，在现实应用中保存一定的局限性。因此，本研究通过整合cfDNA甲基化模式、卵白质标记物和LDCT影像特征，开发了一种高精度的深度学习模子，旨在为肺癌的早期筛查提供新的战略。

ca88(中国)官方网站

「研究亮点」

多组学数据融合提升诊断准确性：研究立异性地将cfDNA甲基化、卵白质标记物和LDCT影像特征相团结，通过多维度数据的融合，有用提高了肺结节良恶性鉴别的准确性，尤其对小于10毫米的小结节有显著提升。

AI算法助力准确分类：开发了以深度学习为焦点的算法流程，能够高效提取并融合多组学特征，为临床提供了强有力的辅助诊断工具。

「研究要领」

该研究共纳入了419名肺结节患者样本，分为训练集（324例）和测试集（95例）。所有恶性结节均为0至I期的早期样本。研究流程（图1）和剖析要领如下：

ca88(中国)官方网站

图1 研究流程

cfDNA甲基化剖析：通过ca88生物的mTitan手艺对1656个标记物举行靶向高通量甲基化测序，并盘算cfDNA甲基化特征评分（MMS），该评分可能展现肿瘤的早期信号。该流程的焦点是在片断序列层面，接纳基于多头注重力机制的Transformer模子，以充分使用甲基化序列信息。

ca88(中国)官方网站

图2 深度学习为基础的甲基化特征提取流程

卵白质标记物检测：研究接纳Olink Proximity Extension Assay（PEA）手艺，检测血浆中潜在与肺癌相关的366种卵白质品貌，为模子提供特另外信号特征，从而进一步提升分类的准确性。

LDCT影像特征提�。�研究使用LDCT图像数据，由两位履历富厚的放射科医外行动标记肺结节区域，并提取1316个影像组学特征，以反应结节的巨细、纹理和形态等特征（图3）。

ca88(中国)官方网站

图3 LDCT影像特征提取流程

模子构建与评估：研究首先划分构建了甲基化、卵白质和影像三个基础神经网络模子，以三个基础模子展望得分为特征，构建最终逻辑回归分类器。模子均接纳5折交织验证方法举行训练，并在测试集中举行验证。

「研究效果」

1，甲基化、卵白质和影像基础模子均能有用判断肺结节良恶性

使用1646个MMS特征训练的甲基化模子在测试集中，区分良恶性结节的AUC抵达0.799（图4A），敏感性、特异性划分是77.6%，60.9%。使用366个卵白训练的模子在测试集中AUC、迅速度和特异性划分是0.846（图4B）、83.7%和73.9%。而基于影像特征训练的模子AUC为0.866（图4C），稍高于甲基化和卵白质模子，迅速度特异性划分是71.4%，82.6%。

团结甲基化和卵白质模子打分，训练的逻辑回归模子在测试集中AUC抵达0.904（图4D），显著高于甲基化（P = 0.01）和卵白质（P = 0.03）模子。甲基化和影像整合模子，以及卵白质和影像整合模子在测试集中AUC划分抵达0.903（图4E），0.902（图4F）。这些效果批注甲基化、卵白质以及影像特征在判别肺结节良恶性中起到了很好的互补效应。

ca88(中国)官方网站

图4 基础模子和两两团结模子性能评估

2，甲基化、卵白质以及影像融合提升模子性能，在小结节中体现优异

将甲基化、卵白质和影像评分构建的融合模子在测试集中体现优异，AUC抵达0.925（图5A），迅速度特异性划分是83.7%、82.6%，相关于三个基础模子均有提升。在5-10毫米的小结节中，融合模子体现出更好的检测性能，AUC抵达0.951（图5B）。研究团队为评估模子潜在临床应用价值，接纳了决议曲线剖析（DCA）来辅助临床决议。DCA通过权衡差别阈值下真阳性的益处和假阳性的危害，凭证对应净效益来评价模子效果。当模子的净效益在较宽规模内一连凌驾极端曲线时，批注模子在相对清静的阈值规模内具有较高的选择性。与治疗所有患者的战略相比，模子在测试集中阈值概率凌驾0.07时均显示出更高的净受益（图6），说明模子可在差别场景下选择合适的阈值以应对临床需求。

ca88(中国)官方网站

图5 最终融合模子效果评估

ca88(中国)官方网站

图6 测试集中差别模子净收益曲线

「总结」

该研究展示了多组学融合手艺的强盛潜力，为肺结节特殊是肺小结节的诊断提供了一个新的思绪。团结分子特征和影像特征的模子有助于更好地评估肺结节的恶性危害，优化肺癌早期筛查流程。

「参考文献」

[1] Yang M, Yu H, Feng H, Duan J, Wang K, Tong B, Zhang Y, Li W, Wang Y, Liang C et al: Enhancing the differential diagnosis of small pulmonary nodules: a comprehensive model integrating plasma methylation, protein biomarkers, and LDCT imaging features. J Transl Med 2024, 22(1):984.

[2] Bray F, Laversanne M, Sung H, Ferlay J, Siegel RL, Soerjomataram I, Jemal A: Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin 2024, 74(3):229-263.

[3] de Koning HJ, van der Aalst CM, de Jong PA, Scholten ET, Nackaerts K, Heuvelmans MA, Lammers JJ, Weenink C, Yousaf-Khan U, Horeweg N et al: Reduced Lung-Cancer Mortality with Volume CT Screening in a Randomized Trial. N Engl J Med 2020, 382(6):503-513.

声明：*本文仅供医学专业人士阅读参考。医学界力争其揭晓内容专业、可靠，但差池内容的准确性做出允许；请相关各方在接纳或以此作为决议依据时另行核查。

科研效果