【导读】在前列腺癌（PCa）诊断中，过度活检是一个严重的健康问题。团队开发了一种尿液肿瘤DNA多维生物信息学算法utLIFE，以避免不必要的活检。其目的是识别所有或有临床意义的PCa。
2024年12月9日，中国医学科学院肿瘤医院、北京协和医学院邢念增教授团队在期刊《Cell Reports Medicine》上发表了题为“Development and validation of the utLIFE-PC algorithm for noninvasive detection of prostate cancer in urine: A prospective, observational study”的研究论文。研究结果表明，与前列腺特异性抗原（PSA）（p<0.001）或单维生物标记物（甲基化，p<0.001；拷贝数变异 [CNV]，p<0.001；突变，p<0.001）相比，该模型显示出更好的性能。utLIFE-PC模型有望优化PCa诊断过程，避免不必要的活检。
https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(24)00641-4
前列腺癌与无创检测
01
前列腺癌（PCa）是最常见的实体肿瘤，也是全球男性癌症死亡的第五大原因，2020年将有140万新发病例，约375,304人死亡。由于大多数PCa患者确诊时的格里森评分（GSs）较高，且确诊后生存时间较短，因此，中国的死亡率与发病率之比（MR/IR）（0.44）远高于美国（0.15）。在中国，PCa的发病率以每年2.6%的速度增长。
团队之前开发了一种名为utLIFE-UC模型的无创方法，该方法适用于尿路上皮癌（UC），其中包括较大的拷贝数变异（CNV）和突变，与其他模型相比，其灵敏度（92.8%）和特异性（96.0%）都更高。
在这项研究中，团队结合基因突变、CNV和甲基化图谱，开发了尿液DNA多维模型（utLIFE-PC），用于早期检测PCa，并通过前瞻性队列评估了utLIFE-PC的性能。该utLIFE-PC评分与PCa高度相关，可准确检测PCa。
图形摘要
识别有临床意义的癌症
02
在训练队列中，utLIFE-PC能以95.00%的特异性鉴别出 86.21%的≥GG2患者和87.01%的≥GG3患者。该检测方法在验证队列中仍表现出强劲的性能，其AUC为0.934，灵敏度为85.33%，特异性为93.26%，PPV为90.44%，NPV为89.48%。utLIFE-PC在区分≥GG2 PCa患者和GG1 PCa患者加BxN患者方面也表现出色，AUC为0.919，灵敏度为85. 33%，特异性为88.08%，PPV为84.77%，NPV为88.54%。团队还分析了utLIFE-PC从GG2、GG1和BxN患者中检测出≥GG3 PCa患者的性能，其AUC为0.893，灵敏度为87.10%，特异性为80.37%，PPV为71.52%，NPV为91.67%。在DCA分析中，utLIFE-PC在验证队列中的≥GG2患者和≥GG3患者中，与单独特征和PSA相比，仍显示出更高的净获益。在0.4的决策阈值下，utLIFE-PC可使csPCa（≥GG2）男性患者的初始活检中不必要的活检减少41%；而在≥GG3患者中，同样的0.4决策阈值可使49%的男性患者免于接受不必要的活检。
utLIFE-PC模型验证队列的临床表现
utLIFE-PC模型的临床实用性
03
utLIFE-PC模型检测PCa的阳性率为84.24%。在124例GG3或更高的患者中，utLIFE-PC能正确识别其中87.10%的患者。utLIFE-PC模型还能检测出73.33%的GG1患者和76.92%的GG2患者，显示出随着等级的增加，分类效率也在提高。此外，utLIFE-PC模型还能避免55.98% （192/343）的前列腺活检，为决定是否进行活检提供了另一个线索。
utLIFE-PC在不同PSA水平的高级别癌症（≥GG2）验证队列中的临床表现
总结
04
1. 高灵敏度和特异性：utLIFE-PC算法在检测任何级别的PCa方面显示出高灵敏度和特异性，尤其是在Gleason评分（GS）≥4+3的PCa中。
2. 跨PSA水平的稳定性：该模型在不同PSA水平的患者中表现稳定，包括在PSA水平4.0-10.0纳克/毫升的灰色区域，这些区域的PCa检出率通常较低。
3. 甲基化和遗传特征的变化：甲基化改变在晚期PCa中更明显，尤其是在去势抵抗性前列腺癌（CRPC）中，这强调了遗传和甲基化特征变化在疾病进展中的互补性。
4. 多维检测的必要性：PCa检测需要多维检测，因为遗传和甲基化特征的变化在疾病进展中是互补的。
5. 跨种族群体的适用性：在中国PCa样本和TCGA或ClinVar/ANNOVAR数据库中检测到的甲基化和突变特征表明，这些特征可广泛应用于不同种族群体。
6. 前瞻性验证队列的结果：utLIFE-PC模型在前瞻性验证队列中能够准确区分不同PSA水平的PCa，具有高阳性预测值（PPV）和阴性预测值（NPV），证实了模型的稳健性和可靠性。
7. 减少不必要的活检：utLIFE-PC模型提供了一种有效的非侵入性方法来检测临床意义重大的癌症，有助于减少不必要的活检。
8. 种族差异：中国队列中GG1 PCa患者比例低于白种人队列，而GS 8-10 PCa患者比例更高，这可能由中西方不同的危险因素造成。
9. 模型的潜力：utLIFE-PC模型是一种有前景的PCa检测方法，显示出在改善PCa诊断过程和减少不必要的活检方面的潜力。
参考资料：
1.Sung, H. ∙ Ferlay, J. ∙ Siegel, R.L. ...
Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries
CA A Cancer J. Clin. 2021; 71:209-249
2.Culp, M.B. ∙ Soerjomataram, I. ∙ Efstathiou, J.A. ...
Recent Global Patterns in Prostate Cancer Incidence and Mortality Rates
Eur. Urol. 2020; 77:38-52
【关于投稿】
转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！
转化医学网（360zhyx.com）发布的文章旨在介绍前沿医学研究进展，不能作为治疗方案使用；如需获得健康指导，请至正规医院就诊。