何建行教授团队最新成果：基于cfDNA甲基化和低剂量CT的肺结节风险分层的有效临床评估模型

主要观点总结

本研究结合细胞游离DNA甲基化检测与低剂量计算机断层扫描（LDCT）影像特征，开发了一个用于肺结节风险分层的联合模型。该模型采用双重阈值策略，可以有效减少不必要的侵入性手术和伤害，提高肺癌的整体诊断率和可及性。

关键观点总结

关键观点1: 研究亮点

开发了一个基于40个cfDNA甲基化标志物和5个常见LDCT/CT影像学特征的联合模型，用于非侵入性肺结节风险分层。该模型的诊断性能优于临床上应用的传统模型。

关键观点2: 研究方法

研究团队采用机器学习方法，在前瞻性入组的多中心队列进行模型训练，并验证了模型性能。模型的构建结合了cfDNA甲基化检测、CT影像特征和年龄因素。

关键观点3: 研究结果

该模型在内部验证集和外部验证集中的表现均优异，AUC值达到0.90以上。双阈值策略的应用可以准确进行肺结节风险分层，有效减少不必要的侵入性手术。

关键观点4: 临床意义

如果该模型被纳入当前的LDCT/CT筛查和肺结节管理的临床实践中，有望减少患者侵入性手术的不良反应和治疗成本，提高临床实践肺中风险预测模型的稳健性和可及性。

免责声明