首页 > 文章详情

2025 WCLC | 基于五大国际肺癌筛查队列整合循环蛋白标志物的肺结节恶性风险预测模型

08月15日

编译：肿瘤资讯

来源：肿瘤资讯

Session Type

Mini Oral

Session Title

MA05. Precision in Lung Cancer Screening

摘要号

MA05.06

英文标题

Integrating Circulating Protein Biomarkers in Nodule Malignancy Prediction Model Based on Five International Lung Cancer Screening Cohorts

中文标题

基于五大国际肺癌筛查队列整合循环蛋白标志物的肺结节恶性风险预测模型

讲者

Elham Khodayari Moez, PhD

讲者机构

Lunenfeld-Tanenbaum Research Institute

背景

低剂量计算机断层扫描（LDCT）筛查可显著提高肺癌早期检出率并降低死亡率。然而，如何优化筛查中检出肺结节的临床管理仍是挑战。研究者前期研究鉴定出一组具有预测价值的循环蛋白标志物。本研究旨在评估整合这些循环蛋白标志物与临床、流行病学及影像学数据能否提升肺结节恶性风险预测模型的准确性。

方法

本研究隶属于肺癌风险与病因整合分析（INTEGRAL）项目，纳入美国、加拿大及欧洲5项LDCT筛查队列共2039名参与者（683例肺癌患者、687例频数匹配的良性结节对照及669例无结节健康对照）。通过1100余种循环蛋白标志物的蛋白质组学筛选，联合肺癌队列联盟（含6个人群队列）遴选出21种最优标志物并进行绝对定量。模型开发基于四大LDCT筛查研究：加拿大泛肺癌早期检测研究（PanCan）、国际早期肺癌行动计划（IELCAP）-多伦多、英国肺癌筛查试验（UKLS）及潘普洛纳-IELCAP。外部验证采用匹兹堡肺癌筛查研究（PLuSS）独立队列（258例肺癌患者及257例频数匹配的良性结节对照）。通过支持向量机-递归特征消除法（SVM-RFE）筛选最优蛋白标志物组合，采用机器学习方法（含逻辑回归、随机森林及支持向量机）构建五年恶性转化风险预测模型。其中逻辑回归模型通过集成方法联合流行病学与影像学特征时获得最高受试者工作特征曲线下面积（AUC），最终模型采用逻辑重校准法进行校准。

结果

在独立验证集中，INTEGRAL肺结节蛋白模型（INTEGRAL-PEN）展现出优异预测效能：筛查后1年及5年恶性预测AUC分别为0.87（95%CI：0.83-0.90）和0.80（95%CI：0.77-0.83）。本模型在5年预测中显著优于Brock/PanCan模型（AUC=0.74）和肺部影像报告和数据系统（LungRADS，AUC=0.65）。对于小结节（＜10mm）、长期随访（＞1年）病例及早期肺癌的鉴别，INTEGRAL-PEN模型均表现更优。无结节者与良性结节者蛋白谱相似，提示本研究所鉴定的蛋白特征具有恶性结节特异性。

结论

经外部验证的INTEGRAL-PEN模型在肺结节良恶性鉴别中表现优异，证实循环蛋白标志物可显著提升肺癌筛查中的结节分层管理效能。

责任编辑：肿瘤资讯-明小丽
排版编辑：肿瘤资讯-明小丽

08月16日

马利平

河南省肿瘤医院 | 放疗科

无结节者与良性结节者蛋白谱相似，提示本研究所鉴定的蛋白特征具有恶性结节特异性。