血清代谢组指纹联合机器学习诊断肺癌

(整期优先)网络出版时间:2022-12-13
/ 1
摘要目的采用血清代谢指纹采集方法筛选肺癌相关差异调控代谢物,为肺癌诊断提供候选标志物。方法在上海长海医院开展队列入组工作,共纳入2021年1月27日至6月4日的228例受试者,其中包括初诊确认肺癌患者97例和健康体检人群131名。根据标准流程采集入组队列血清样本,并通过分层随机抽样,将入组队列分为训练集和完全独立的验证集。采用纳米辅助激光解吸电离质谱对血清样品进行代谢指纹图谱采集。对训练集样本年龄、性别进行质量控制后,通过机器学习算法构建基于血清代谢指纹图谱的诊断模型,并采用受试者工作特征(ROC)曲线评价模型的分类效能。结果通过新型纳米辅助激光解吸电离质谱,可在1 min内完成血清样品的代谢指纹提取,过程仅需消耗1 μl原始血清。针对训练集,基于此构建的分类器诊断肺癌的ROC曲线下面积(AUC)为0.92(95%CI 0.87~0.97),敏感度为89%,特异度为89%。在独立验证队列中,AUC为0.96(95%CI 0.90~1.00),敏感度为91%,特异度为94%,没有表现出性能损失。确定了由5个代谢物组成的标志物组合,展示了肺癌患者的独特代谢模式。结论本研究结合血清代谢指纹图谱和机器学习建立了肺癌的诊断模型,用于区分肺癌患者以及健康对照,可用于临床的体外诊断。