技术突破核心 - 开发了一种基于循环游离DNA（cfDNA）的非侵入性检测模型，通过整合多组学特征和机器学习，为胰腺癌早期筛查提供新方案[1] - 模型整合了cfDNA的拷贝数变异、片段长度分布和片段链偏向性等多组学特征[1] - 研究成果发表于国际期刊《癌症发现》[1] 临床需求与现状 - 胰腺癌患者5年生存率仅为11%，大多数患者确诊时已处于晚期[1] - 现有检查手段如磁共振成像、内镜超声因成本高昂且具有侵入性，难以适用于大规模筛查[1] - 常用肿瘤标志物CA19-9在早期诊断中的特异度和敏感度有限，无法满足临床需求[1] 模型性能验证 - 在包含467例样本的训练队列和352例样本的验证队列中，模型展现出优异的筛查性能，显著优于CA19-9[1] - 在1926名糖尿病和肥胖人群的前瞻性队列中，模型成功检出6例胰腺癌患者，检出率达75%，所有检出病例均为早期（0期、Ⅰ期或Ⅱ期）[2] - 与CA19-9仅检出1例相比，该模型能提前45—298天（中位227.5天）发现病变[2] 临床转化潜力 - 模拟分析显示，若将该模型应用于临床筛查，胰腺癌患者在Ⅰ期确诊率可从6.22%提升到85.58%[2] - 在所有患者都于早期被筛选出来进行有效治疗的理想情况下，5年生存率可从原来的7.59%提升至33.34%，绝对生存率改善达25.75%[2] - 对10万假设人群的蒙特卡洛模拟显示，相较于CA19-9，该模型可额外检出20例患者，敏感性提升8.22%，且阳性预测值和准确率均显著更优[2]