Nature Medicine：循环肿瘤DNA预测癌症相关静脉血栓风险：液体活检引领精准医疗新方向

该研究旨在探讨ctDNA是否能作为癌症相关VTE的独立，并开发基于ctDNA的机器学习模型，以提高VTE风险评估的精准度。通过对多个患者队列的数据分析，研究团队评估了ctDNA及游离DNA（cfDNA）与VTE风险之间的关联，并验证了其在不同癌症类型中的适用性 。

该研究分析了来自三个不同患者队列的数据：发现队列、前瞻性验证队列以及（NSCLC）患者的广泛验证队列。研究的重点是评估通过液体活检获取的ctDNA数据是否可以作为VTE的有效预测指标。使用了两种不同的ctDNA测序方法：MSK-ACCESS和ctDx Lung，它们都是基于混合捕获的下一代测序技术（Next-Generation Sequencing, NGS）。

在分析中，研究团队使用了Fine-Gray回归模型（Fine-Gray Regression Model）和Aalen-Johansen估计法，以评估ctDNA和cfDNA与VTE风险的关联。机器学习模型则采用了随机生存森林模型（Random Survival Forest, RSF）进行训练和预测，模型的性能通过Harrell s c-index及时间依赖的AUROC曲线来评估 。

ctDNA与癌症相关VTE风险的关联（Credit:Nature Medicine）

Aalen-Johansen曲线与Fine-Gray模型风险比：图a展示了通过Aalen-Johansen曲线和Fine-Gray回归模型计算出的从首次ctDNA测序时间到VTE发生的时间，死亡被视为竞争风险。在发现队列中，有ctDNA的患者相比无ctDNA的患者，发生VTE的风险显著更高（HR = 2.49, 95% CI: 1.99 3.11, P = 1.1 10⁻ ⁵）。

VAF分位数分层分析：图b进一步展示了根据ctDNA的变异等位基因频率（Variant Allele Fraction, VAF）的不同分位数进行的分层分析。研究表明，随着VAF的升高，患者发生VTE的风险也随之增加，这表明ctDNA与VTE的风险呈现剂量依赖关系。

不同癌症类型中的VTE风险：图c显示了对于不同癌症类型，检测到ctDNA的患者发生VTE的风险比（HR）。虽然在非小细胞肺癌（NSCLC）、乳腺癌和胰腺癌等高风险癌症类型中ctDNA与VTE风险显著相关，但在某些癌症类型（如、肝胆癌和）中并没有发现显著关联。

特定基因突变的影响：图d分析了特定基因突变（如KRAS、STK11和KEAP1）对VTE风险的影响，研究发现这些基因的突变与VTE风险显著相关，但在某些癌症类型中，基因突变并未对VTE风险产生显著影响。

验证队列和广泛适用性队列的结果：图e显示了在验证队列和广泛性队列中的Fine-Gray回归模型结果。这些结果进一步验证了ctDNA与VTE风险的显著关联，表明这种关联不仅局限于发现队列，也适用于更广泛的患者群体。

在发现队列中，464名患者（约11%）在ctDNA检测后发生了VTE事件。统计结果显示，检测到ctDNA的患者发生VTE的风险显著高于未检测到ctDNA的患者（HR = 2.49, 95% CI: 1.99 3.11, P 0.001）。此外，ctDNA的变异等位基因频率（Variant Allele Fraction, VAF）越高，VTE的风险也越高，表明二者之间存在剂量依赖关系 。

进一步分析显示，cfDNA浓度与VTE风险也存在显著关联。在所有癌症类型中，cfDNA浓度较高的患者更易发生VTE。这表明cfDNA可能通过与中性粒细胞胞外陷阱（Neutrophil Extracellular Traps, NETs）相关的机制参与血栓的形成 。

机器学习模型验证了ctDNA在VTE风险评估中的预测能力。基于ctDNA的模型相较于Khorana评分在多个癌症类型中表现出更高的预测准确性。特别是在非小细胞肺癌（NSCLC）和胰腺癌患者中，ctDNA的预测能力尤为显著 。

与癌症患者VTE相关的预测因子（Credit:Nature Medicine）

多变量Fine-Gray模型：图a显示了在发现队列中，通过多变量Fine-Gray模型分析得出的VTE风险预测因子。该模型中包括了检测到ctDNA（+ctDNA）的患者，以及cfDNA的血浆浓度（以ng/ml为单位）。研究结果显示，检测到ctDNA的患者VTE风险显著增加，而cfDNA浓度的升高同样与VTE风险相关。

随机生存森林模型（RSF）：图b展示了基于RSF模型的预测能力评估。该模型通过五折交叉验证和验证队列进行训练，整合了不同变量（如ctDNA、cfDNA等）的数据。模型的Harrell s c-index平均值显示，包含所有变量的RSF模型的预测能力优于仅基于Khorana评分（Khorana score, KS）的传统风险评估方法。具体来说，LB+模型（包括ctDNA等液体活检变量）在所有验证队列中的表现显著优于KS模型。

动态ROC曲线：图c显示了用于预测6个月内VTE发生率的动态ROC曲线。该曲线基于RSF模型计算了VTE发生的概率，AUC（曲线下面积）用来评估模型的预测能力。研究结果显示，包含ctDNA等变量的模型在预测准确性方面明显优于仅基于Khorana评分的模型。

该研究首次系统性验证了ctDNA作为癌症相关VTE的独立预测因子，特别是在高风险癌症患者中，ctDNA能够显著提高VTE风险的预测准确性。与传统的Khorana评分相比，基于液体活检的模型不仅可以更加精准地识别出高风险患者，还可以通过实时监测ctDNA水平，帮助临床医生动态调整治疗方案 。

在癌症患者中，使用抗凝药物（anticoagulation）预防癌症相关静脉血栓栓塞症（VTE）时，根据是否检测到ctDNA进行分层分析的结果（Credit:Nature Medicine）

ctDNA+患者中的抗凝治疗效果（图a）：对于检测到ctDNA的患者，研究使用Aalen-Johansen曲线分析了从血浆采样到VTE发生的时间，死亡被视为竞争风险。结果显示，在这些患者中，使用抗凝药物的患者发生VTE的风险显著降低（调整后的风险比HR = 0.50, 95% CI: 0.30 0.81），表明抗凝治疗对于ctDNA+患者在降低VTE风险方面具有潜在的预防作用。

ctDNA-患者中的抗凝治疗效果（图b）：对于未检测到ctDNA的患者，研究显示抗凝治疗并未显著降低VTE发生的风险（调整后的风险比HR = 0.89, 95% CI: 0.40 2.0）。这意味着对于ctDNA-患者，抗凝治疗在预防VTE方面的效果可能较为有限。

未来的研究可以进一步探索ctDNA和cfDNA在不同癌症类型中的具体机制，以及它们在VTE形成中的作用。此外，液体活检技术的广泛应用也为VTE风险的无创、便捷预测提供了新的思路，有望在临床实践中得到更广泛的应用 。

通过该研究，研究团队证明了ctDNA和cfDNA在预测癌症相关VTE中的潜力。基于ctDNA的液体活检模型不仅提高了VTE的预测能力，还为癌症患者的个性化治疗提供了新的方向。随着更多验证研究的开展，液体活检技术有望在癌症相关VTE风险评估中成为一种标准工具，为临床决策提供更多依据 。