重磅！全球首個尿路上皮癌尿液早篩與療效監控研究成果發布 _健康小知識

近日，北京大學附屬第一醫院何志嵩教授團隊、上海復旦腫瘤醫院葉定偉教授團隊、天津醫科大學附屬第二醫院牛遠杰教授團隊與金橡醫學合作，發表了全球首個尿路上皮癌（膀胱癌，輸尿管癌，腎盂癌）尿液早篩與療效監控產品數據，該產品滿足了尿路上皮癌診療路徑更準確、更便捷、無創的需求。相關研究成果“LettertotheEditor:clinicalutilityofurineDNAfornoninvasivedetectionandminimalresidualdiseasemonitoringinurothelialcarcinoma”已正式發表于MolecularCancer(IF=41.444) 。

文章圖片
研究背景
尿路上皮癌（Urothelialcarcinoma,UC）是世界上第12大最常見的惡性腫瘤，包括膀胱癌、腎盂癌和輸尿管癌[1] 。其中膀胱癌（Bladdercancer,BC）是最常見的尿路惡性腫瘤，中國的上尿路尿路上皮癌（Uppertracturothelialcarcinoma,UTUC）患者比例高于西方國家[2] 。
對于血尿患者，可能需要進行包括計算機斷層成像/磁共振成像（CT/MRI）、膀胱鏡、尿脫落細胞學和熒光原位雜交（FISH）等一系列檢查[3] 。 UC患者有較高比率發生疾病的復發和進展。在非肌層浸潤性膀胱癌（Nonmuscle-invasivebladdercancer,NMIBC）患者中，約有50%-70%的患者存在復發， 10%-45%的患者會進展為肌層浸潤性膀胱癌（Muscle-invasivebladdercancer,MIBC）；而MIBC患者50%以上會發生疾病復發，因此對治療后的膀胱癌患者進行密切隨訪，監測疾病復發和進展情況顯得尤為重要[4] 。目前CSCO指南推薦，每3個月應對患者進行膀胱鏡檢、尿脫落細胞學及影像學的檢查以確保及時發現腫瘤復發和進展,但具有侵入性大的問題。
鑒于臨床現狀和患者需求，開發一種用于尿路上皮癌的擁有便捷、無創、患者依從性更高的且敏感性和特異性雙優的早期診斷和隨訪方式顯得尤為重要。
研究成果
研究設計
該研究設計分為3個階段：發現階段、訓練階段和驗證階段。
1在發現階段，共納入了181個BC組織樣本，用于尋找候選基因突變biomarker；
2在訓練階段，共入組了83個BC患者和67個健康對照的尿液樣本用于模型構建；
3在驗證階段，設計了兩個獨立驗證集，包括BLCA（膀胱癌）隊列（n=674）和UTUC隊列(n=22) 。
此外，在分子殘留病灶（MRD）模型構建過程中，共收集了31例肌層浸潤性膀胱癌(MIBC)患者的尿液樣本。所有患者均接受了新輔助治療，分別于新輔助治療前、新輔助治療2個周期后、膀胱切除術前留取尿液標本。
utLIFE-UC模型構建
我們基于系統機器學習方法構建了聯合檢測突變和拷貝數變異（CNV）的utLIFE-UC模型，詳細步驟如下:
1計算所有樣本的突變和CNV特征矩陣。
2將建模隊列以7:3的比例反復隨機分為訓練集和測試集，在訓練集中利用機器學習訓練方法進行10倍交叉驗證，并使用測試集評估算法的魯棒性。
3以BLCA和UTUC為獨立驗證隊列，計算AUC（即ROC曲線下面積，度量分類模型好壞的標準， AUC值越接近1 ，模型預測效果越好）、靈敏度、特異度和總體準確度。

文章圖片
圖1.utLIFE-UC模型算法示意圖
utLIFE-UC模型在尿路上皮癌早篩中的應用
utLIFE-UC在訓練集中的總體靈敏度為92.78% ，特異度為96.00%（圖2左）；在測試集中，靈敏度為85.71% ，特異度為100.00%（圖2右）。相對于突變或CNV單維度分析， utLIFE-UC采用多維度信息、多組學檢測腫瘤變異，具有更高的敏感性和特異性。

文章圖片
【