主要观点总结
文章介绍了中国医学科学院肿瘤医院邢念增教授团队开发的一种尿液肿瘤DNA多维生物信息学算法utLIFE-PC，用于避免不必要的前列腺癌（PCa）活检。该算法结合了基因突变、拷贝数变异和甲基化图谱，可高度准确地检测PCa。utLIFE-PC模型在验证队列中表现出强劲的性能，高灵敏度、特异性和准确性。该模型有助于减少不必要的活检，具有优化PCa诊断过程的潜力。
关键观点总结
关键观点1: 研究背景
前列腺癌是常见的实体肿瘤，全球男性癌症死亡的第五大原因。中国前列腺癌的发病率逐年增长，团队之前开发了适用于尿路上皮癌的无创方法utLIFE-UC模型。
关键观点2: 研究目的
开发utLIFE-PC模型，旨在避免不必要的前列腺癌活检，识别所有或有临床意义的PCa。
关键观点3: 研究方法
团队结合基因突变、拷贝数变异和甲基化图谱，开发了尿液DNA多维模型utLIFE-PC，用于早期检测PCa。通过前瞻性队列评估了utLIFE-PC的性能。
关键观点4: 研究结果
utLIFE-PC模型在训练队列和验证队列中均表现出高灵敏度、特异性和准确性。该模型可准确区分不同PSA水平的PCa，并有助于减少不必要的活检。
关键观点5: 研究意义
utLIFE-PC模型为前列腺癌诊断提供了一种有效的非侵入性方法，有望优化PCa诊断过程，避免不必要的活检。
文章预览
【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）
………………………………
