【编者注】本研究所采用TK1技术,均指华瑞同康公司专利原研的体可问TK1技术,与其他非体可问品牌的TK1技术无关。

由深圳市艾伦斯文精准医学研究所胸苷激酶(TK1)研究团队联合中国科学技术大学附属第一医院研究团队与中国健康促进基金会共同完成的研究论文《A Novel Model Using Serum Thymidine Kinase 1 and Low-dose Computed Tomography Parameters to Predict Three-year Lung Cancer Risk in People with Pulmonary Nodules: A Retrospective Study》于2024年1月1日在JCR二区期刊Journal of Cancer(IF=3.9)首发。

该论文的创新研究成果在于:通过开发首个血清TK1联合低剂量螺旋计算机断层扫描(LDCT)多因素模型,准确地预测了既往无癌症病史的肺结节患者在3年内新发肺癌的概率,AUC值高达0.91。这一发现为血清TK1在肺结节患者中短期癌症风险预测中的应用提供了重要的科学证据。

同时,团队根据该模型开发了一个网页应用程序,可方便地为肺结节患者提供肺癌风险评估,填补了目前TK1癌症风险量化工具研究和应用的空白。

研究论文具体介绍如下。

一、研究背景

单独使用LDCT难以准确评估肺结节的癌变风险,2年随访时假阳性率高达23.3%。这可能导致不必要的辐射暴露、侵入性活检、经济成本和患者焦虑。本研究旨在开发一个可应用于大规模肺癌筛查人群的模型,以协助准确预测肺结节三年内进展为肺癌的风险。

二、研究方法

该研究纳入6841名年龄>30岁、有LDCT检出肺结节、但没有癌症病史或癌症诊断的研究对象,组成回顾性队列。研究的结局事件为在首次发现肺结节后三年内新发的肺癌临床诊断。采用基于抗人TK1-IGY抗体的增强化学发光法检测血清TK1浓度(STK1p)(试剂盒及仪器来自华瑞同康生物技术(深圳)有限公司)。使用机器学习LASSO算法筛选14项候选预测因素并拟合逻辑回归模型。通过受试者工作特征曲线(ROC)下面积(AUC)、校准度和净效益对模型进行内部验证。基于模型开发一个可视化网页应用程序。

三、结果

结果显示研究对象中的3年肺癌发病率为0.79% (n=52)。LASSO算法选择的预测因素为血清TK1浓度(STK1p)和3个LDCT参数(结节大小、类型和数量)。模型的AUC为0.91(95%置信区间(CI): 0.86, 0.96)。该模型在内部验证(AUC: 0.90(0.84, 0.96))和亚组中(AUC=0.69-0.93)具有良好的预测效果。采用Youden指数选择的模型风险最优阈值为2%,灵敏度和特异度分别为84.60%(假阴性率=15.40%)和92.30%(假阳性率=7.70%),优于单独使用LDCT。即3年肺癌发病概率≥2%的研究对象可被定义为高风险,需要进一步检查如PET-CT或密切随访。高风险组3年肺癌风险显著高于低风险组(优势比(OR)= 66.03 (95% CI: 30.49, 162.98))。

(原文图2:预测因素的选择和模型验证。(A)LASSO算法结果;结节大小(B)、STK1p(C)、结节类型(D)
和结节数量(E)的ROC曲线;(F)3年肺癌风险模型的ROC曲线和内部验证)

模型已被部署到一个网页应用程序中,在应用程序输入预测因素后,它可方便地计算3年肺癌的概率并直观地呈现出来。

(原文图4:基于模型的网页应用程序示例)

四、结论

联合STK1p和LDCT参数的新模型可以协助准确预测无癌症史的肺结节患者3年内发生肺癌的概率。然而,目前亟需前瞻性队列研究对模型的应用效果进行外部验证,并纳入更多肺癌预测风险因素如生活方式等以优化模型效能。

后记

此研究成果展示了基于血清TK1联合LDCT的多因素模型在肺癌筛查中的强大应用潜力,我们期待此模型的前瞻性验证研究成果和商业化,促进肿瘤风险评估人人可及!

作者:汪海东、黄潇阳

单位:深圳市艾伦斯文精准医学研究所

联系人:汪海东 所长

联系方式:office@sstkmed.org

网址:http://sstkmed.org/