GUT：中国科学家发起的最大规模研究，找到了适合中国人的胃癌早筛新方法!

来源：奇点糕 2023-08-08 15:33

近期，浙江省肿瘤医院程向东/袁莉团队、上海交通大学钱昆团队基于血浆代谢信息，做了一个血浆代谢指纹图谱（PMFs），并从中建立一个由 21 种代谢物组成的胃癌诊断模型，其在验证集中的曲线下面积（AUC）

早期的是我国面临的一个重大难题，一方面，目前胃癌的诊断和仍依赖胃镜检查，但作为胃癌大国，我国胃癌危险人群已超过3亿人，现有的医疗资源只能完成每年3000万例的胃镜检查，同时患者对于胃镜这样的侵入性检查依从性低，因此胃镜难以应用于大规模胃癌筛查。

另一方面，早期胃癌患者往往无明显症状，超过60%的患者在诊断时出现局部或远处转移。一般来说，早期胃癌预后更好，5年总生存率可达90%以上，而中晚期患者的5年生存率还不足30%，因此建立有效的生物标志物体系以及用于大规模胃癌筛查的新的检测方法十分重要。

近期，浙江省肿瘤医院程向东/袁莉团队、上海交通大学钱昆团队基于血浆代谢信息，做了一个血浆代谢指纹图谱（PMFs），并从中建立一个由 21 种代谢物组成的胃癌诊断模型，其在验证集中的曲线下面积（AUC）值为0.907-0.940。

此外，研究还构建了一个胃癌预后评分系统，可以有效预测胃癌患者的生存情况。研究发表在GUT上。

论文首页截图

我们知道，代谢重编程是肿瘤发生的特征之一，代谢重编程也会让患者血液中的代谢物发生改变，因此血液中的代谢物信息可能作为诊断肿瘤的生物标志物。此外，相对于像循环肿瘤细胞这样的细胞标志物，代谢标志物稳定性更好。但既往有关胃癌代谢标志物的研究比较有限。

为了验证血液代谢标志物在胃癌早期诊断中的价值，研究人员开展了一项大规模、多中心的研究，并打算建立一款以血液代谢标志物为基础的早期胃癌诊断模型。

这项研究最终从全国7个中心纳入了1944名参与者（962 名具有完整随访信息的胃癌患者和982名非胃癌参与者），其中来自5个中心的1157名参与者作为训练集进行模型训练，剩下两个中心的787名参与者作为验证集，对模型进行验证。此外，研究还纳入了一个264名参与者的前瞻性队列，对该模型进行了进一步验证。

分组情况

在收集了所有参与者的血浆后，研究人员借助较传统质谱分析更先进的纳米颗粒增强激光解吸/电离-质谱技术（NPELDI-MS），建立了一个由300个信号组成的PMFs图谱。相比于传统传统质谱分析，NPELDI-MS分析速度更快，具体来说，1944个血浆样本的检测过程可以在70小时内完成。

接下来，研究人员用5种机器学习算法，来评估PMF的诊断性能（即根据机器学习算法中每个样本被诊断为胃癌的概率计算得出的得分）。

结果发现，无论采用哪一种机器学习算法，训练集和验证集中胃癌患者的得分均高于非胃癌参与者（0.638-0.961 vs. 0.035-0.557，P 0.05），提示胃癌与非胃癌参与者的PMF存在显著差异。

5种机器算法中PMFs的诊断性能

接下来，研究人员为了提高血浆代谢物检测的临床实用性，进一步对初步获取的代谢物信号进行筛选，最终找到了一个由21个代谢物组成的胃癌诊断模型，其中，有11个代谢物在胃癌患者中表达上调，10个代谢物表达下调（P 0.05）。

这个模型无论是在训练集还是在验证集均表现出了良好的特异性、敏感性和准确性（在训练集在验证集中，这个诊断模型的敏感性为78.2％ 89.6％，特异性为80.6％ 93.3％，准确性为81.2％ 91.6％，AUC为0.921 0.971；在验证集中，这个诊断模型的敏感性为78.8％ 90.1％，特异性为75.6％ 89.2％，准确性为82.6％ 87.5％，AUC为0.907 0.940）。在前瞻性队列中该模型也得到了有效的验证（AUC为0.855-0.918）。

此外，该诊断模型还能有效区分和识别临床分期在I-II期的早期胃癌（AUC可达0.871-0.978）。

代谢物筛选

最后，研究人员想知道，PMFs对患者预后是否具有预测价值，于是对随访 3个月且有完整检查数据的935名胃癌患者的血液代谢物进行了分析，最终建立了由 4 个代谢物（丙烯酰胺、甘氨酸、脯氨酸、缬氨酸）组成的血浆代谢物预后评分（PMP）系统，然后再根据患者PMP评分情况区分高危组（PMP -2.09）和低危组（PMP -2.09）患者。

结果发现，无论是在训练集还是在验证集，低危患者的中位生存时间明显更长。在预测患者的长期生存（5-9年）方面，PMP评分与传统TNM临床分期的效能相当。

综上，本研究利用NPELDI-MS分析技术，对大样本胃癌患者及普通人群进行分析，并构建了血浆代谢指纹图谱和诊断模型，为胃癌患者提供了一个早诊、早治的新策略，期待这一新的筛查方法能早日应用到临床中。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻