張水興/張斌團隊在Nature Communications發(fā)文建立鼻咽癌智能早篩系統(tǒng)
暨南大學融媒體中心訊 EBV血清學篩查是鼻咽癌早篩的核心手段，但其陽性預測值低、反復篩查可能加重人群心理負擔及社會經(jīng)濟負擔，已成為鼻咽癌防控的關鍵瓶頸。近日，我校附屬第一醫(yī)院張水興教授/張斌副研究員團隊聯(lián)合中山市人民醫(yī)院季明芳教授團隊，在Nature Communications期刊上在線發(fā)表題為“Hierarchical dynamic model for risk-stratified screening of nasopharyngeal carcinoma”的研究論文。該研究構建分層動態(tài)（HD）風險篩查模型，整合縱向EBV血清學數(shù)據(jù)與年齡、性別、家族史等流行病學因素，實現(xiàn)鼻咽癌血清學中、高風險人群精準再分層，顯著提升篩查陽性預測值、減少不必要隨訪檢查并降低公共衛(wèi)生防控成本。
論文標題
EBV血清學篩查是鼻咽癌高發(fā)區(qū)人群防控的核心手段，可通過檢測EBV相關抗體早期識別患癌高風險個體，具備大規(guī)模人群早篩的重要價值。然而，傳統(tǒng)單次橫斷面檢測方案陽性預測值偏低，導致大量中高風險人群需進行重復隨訪，加重了篩查人群心理與經(jīng)濟負擔。該研究創(chuàng)新性構建了分層動態(tài)（HD）風險篩查模型，通過整合縱向EBV抗體動態(tài)數(shù)據(jù)與年齡、性別、家族史等流行病學因素，對傳統(tǒng)血清學定義的中、高風險人群實現(xiàn)了精細化再分層?；?0余年的初篩及隨訪數(shù)據(jù)的驗證結果顯示，模型可顯著提升篩查陽性預測值，高風險人群隨訪檢查需求大幅降低，同時實現(xiàn)了中高風險人群的精準風險管控。
研究團隊在模型訓練階段聯(lián)合采用Nearmiss欠采樣與ANS過采樣技術，在保留有效信息的同時平衡數(shù)據(jù)集分布。模型底層基于貝葉斯共享參數(shù)多變量聯(lián)合模型，將線性混合效應模型與Cox比例風險模型耦合，可隨隨訪數(shù)據(jù)的更新動態(tài)調(diào)整個體發(fā)病風險評分，實現(xiàn)了從靜態(tài)單次檢測到動態(tài)全程追蹤的篩查范式革新。
研究進一步證實，HD模型可無縫嵌入現(xiàn)有EBV血清學篩查流程，無需額外檢測項目即可實現(xiàn)中、高風險人群的精準再分層，高風險人群隨訪檢查需求減少74.2%，篩查成本降低65.6%。這一發(fā)現(xiàn)為華南高發(fā)區(qū)鼻咽癌大規(guī)模人群早篩提供了全新的優(yōu)化策略，也為其他惡性腫瘤的動態(tài)風險分層篩查提供了可復刻的技術范式。
示例
本研究得到了國家重點研發(fā)計劃、國自然面上、廣東省特支計劃青年拔尖人才等項目的支持。
原文鏈接：https://doi.org/10.1038/s41467-026-72676-2
責編：常凱麗