跳到主要内容
返回时间线
medRxiv来源发表:

卵巢附件包块不必先锁定标志物:单次血浆蛋白组学分类在五个验证队列汇总AUC达0.835

核心概要

卵巢附件包块的术前分诊长期依赖CA-125、HE4与超声O-RADS,敏感性和特异性都有限。ADAPT-MS不预设固定标志物组合,而是针对每个样本实际测到的蛋白重新训练分类器,直接读取发现模式的血浆质谱数据。在五个独立验证队列共623例中,该分类器汇总AUC为0.835,与O-RADS单独使用相当,与O-RADS合并后升至0.922。

AI-generated editorial illustration: Differentiating benign from malignant adnexal masses by biomarker-agnostic plasma proteomics using adaptive machine learning

深度剖析

血浆蛋白组学分类器可以在不做靶向检测开发的前提下,把恶性与良性附件包块区分开,并在包括另一家机构在内的五个独立队列中保持判别力。 此前的分诊依靠CA-125、HE4、ROMA等少数几个血清标志物,以及依赖专家操作的超声O-RADS评分,这些工具在早期和非上皮性病变中准确性下降。 在五个验证队列共623例可分类样本上,汇总AUC为0.835,队列间范围为0.779至0.904;与发现队列五折交叉验证的0.851相比,差异为+0.006,95%置信区间−0.050至+0.062。

分类器按每个样本实际检出的蛋白重建模型,因此不需要一份固定的蛋白面板,也不会因样本缺失值而失效。 固定面板方法要求所有样本测量同一组蛋白,缺失值需要填补,且面板往往针对单一组织学类型优化。 每个验证样本的模型中位使用121个蛋白,来自验证队列中出现的138个特征;在623个样本中没有样本因可用特征不足而被跳过。

蛋白组学与超声O-RADS提供互补信息,合并后判别力高于任一单独使用。 蛋白组学单独使用的AUC为0.852,与O-RADS单独的0.863相当,说明两者捕捉的并非同一部分信息。 在有术前O-RADS的231例中,合并模型的AUC为0.922;在同一批匹配样本上,蛋白组学AUC为0.915,血清CA-125为0.777(n=125)。

启示与展望

已展示的范围是两家学术转诊中心的前瞻性观察队列:芝加哥大学的发现队列与四个内部验证队列,以及Roswell Park综合癌症中心的外部验证队列,后者只含附件包块、不含健康对照。分类任务限于良性与恶性附件包块的二分类,健康对照不参与训练或评估。作者提出下一步应在社区环境中前瞻性验证,并与CA-125、HE4以及O-RADS、ADNEX等标准化超声模型同步评估。

顺序分类器假定每个先前病例的病理确诊结果在评分下一个病例前已经可得,而现实中预测为良性的患者较少立即获得病理确认,作者预计真实性能将落在静态基础分类器与完全标签知情模型之间。与O-RADS和CA-125的比较只限于有数据的子集,规模与病例构成不同;HE4未在两家机构常规检测,无法与临床ROMA算法直接比较,蛋白组衍生的ROMA类似模型只是近似。非上皮性恶性肿瘤与BRCA携带者等亚组样本量小,早期FIGO期的预测AUC为0.712,低于II至IV期。