摘要：乳腺癌是全球女性最常见的癌症之一，早期检测对改善预后和提高生存率至关重要。然而，现有影像学筛查方法（如乳腺钼靶、超声）假阳性率较高，导致大量不必要的活检，而传统肿瘤标志物（如CA15-3）对早期乳腺癌的敏感性不足
导语
乳腺癌是全球女性最常见的癌症之一，早期检测对改善预后和提高生存率至关重要。然而，现有影像学筛查方法（如乳腺钼靶、超声）假阳性率较高，导致大量不必要的活检，而传统肿瘤标志物（如CA15-3）对早期乳腺癌的敏感性不足[1]。因此，亟需开发一种非侵入性的液体活检方法，以筛选高风险人群。温州医科大学苏建忠教授团队联合中国医学科学院肿瘤医院刘嘉琦教授团队开展了一项大型前瞻性多中心队列研究DECIPHER-BRCA，基于MERCURY cfDNA多组学早筛技术构建cfFrag模型，实现了早期乳腺癌的精准识别和新辅助治疗疗效预测。此外，研究构建的cfFrag-影像联合模型，进一步提升了早期乳腺癌的检出率[2]。相关成果已于近日发表在Genomics, Proteomics & Bioinformatics（IF=11.5）。研究亮点
1. 样本量大：前瞻性多中心队列研究，纳入613名女性，证实基于MERCURY cfDNA多组学早筛技术的cfFrag模型，能够有效区分早期乳腺癌和良性结节。
2. 优于传统方法：cfFrag模型鉴别乳腺结节良恶性准确性高，特别在小结节检测上更优，比传统乳腺钼靶和超声更精准，有效减少不必要的活检。
3. 预测新辅助疗效：cfFrag模型可预测乳腺癌患者新辅助化疗反应，区分病理完全缓解（pCR）和Non-pCR患者，为治疗决策提供依据。
4. 多组学联合更优：cfDNA片段组学和甲基化方法准确性相当，但成本更低且无需复杂前期处理，cfDNA多组学联合模型可显著提升早期乳腺癌诊断效能（AUC=0.96）。
研究内容
本研究为前瞻性多中心研究，共纳入613名女性受试者（图1）。烟台队列作为探索队列用于模型训练，包含91名乳腺癌患者和102名良性乳腺结节患者；多中心验证队列包含5个队列：北京队列（209例乳腺恶性可疑病变患者）、杭州队列（40例乳腺癌患者和13例良性乳腺结节患者）、外部筛查队列（119名无症状健康女性）、新辅助化疗队列（33例新辅助化疗后乳腺癌患者）、稳健性队列（3例乳腺癌患者和3例良性乳腺结节患者）。
图1. 研究设计流程图
研究结果
1
cfFrag模型对早期乳腺癌和良性结节的鉴别性能优异
cfFrag模型以片段大小比率（FSR）、片段大小分布（FSD）和拷贝数变异（CNV）为最佳特征构建，用于预测训练集中的乳腺癌（图2A）。模型在训练集（烟台队列）和前瞻性验证集（北京队列）中的AUC分别为0.82和0.81（图2B），在独立验证队列（杭州队列）中，AUC达到0.95（图2C），显示出对乳腺良恶性结节较好的鉴别能力。
将敏感性阈值设为85%，模型在训练集和前瞻性验证集中的特异性分别为65.7%和60.6%，表明其在早期乳腺癌预测方面具有较高的准确度。此外，在无症状健康女性中，敏感性为85%时特异性为94.1%（图2D），展现出模型在早期乳腺癌筛查中的应用潜力。
图2. cfFrag模型在早期乳腺癌预测及良性结节鉴别中的性能比较
2
在乳腺小结节的预测能力方面，片段组学技术优于传统筛查方法
为解决乳腺癌与良性结节患者因年龄不平衡可能带来的偏差，研究进行了倾向评分匹配分析。结果显示，在年龄匹配的子集中，cfFrag模型依然表现出优异的乳腺癌预测能力，训练集（烟台队列）和前瞻性验证集（北京队列）的AUC均为0.82（图3A）。
进一步分析发现，cfFrag模型在不同亚组（如结节大小、分期、组织学类型和激素受体状态）中均表现稳定，尤其在小结节（≤1cm）亚组中，前瞻性验证集AUC达0.83（图3B）。此外，相较于传统检查方法（乳腺钼靶和超声的AUC分别为0.64和0.80），cfFrag模型性能更优（图3C、D）。
图3. cfFrag模型对乳腺小结节的预测能力优于传统检查方法
3
片段组学特征性能稳定，能预测乳腺癌新辅助治疗反应
为降低未来成本并减少血样需求，研究在稳健性验证队列中使用降采样WGS数据评估了cfFrag模型的性能。结果显示，模型预测能力保持稳定，即使测序深度降至3×，AUC也无显著下降（p>0.05，图4A）。
为进一步验证稳健性，研究采集了6例患者两批间隔5天的外周血样本，每批样本分3份作为技术重复样本，共36份。结果表明，所有片段组学特征（CNV、FSR和FSD）在重复样本及不同批次间均无显著差异，稳健性良好（图4B），表明cfFrag模型具有极高的临床落地可行性。
此外，cfFrag模型可有效区分乳腺癌患者新辅助化疗后的pCR与Non-pCR状态，AUC达0.82（图4C、D），表明其在预测新辅助化疗疗效及微小残留病灶（MRD）方面具有应用潜力。
图4. cfFrag模型的性能稳定，能预测新辅助治疗反应
4
cfDNA片段组学模型优于甲基化模型，多组学技术的联合可进一步提高性能
为探讨WGS与WGBS（全基因组亚硫酸氢盐测序）在区分乳腺癌与良性结节中的潜力，研究从北京队列中筛选了15例乳腺癌患者与24例良性结节患者组成前瞻性验证集。分析发现，cfFrag模型与cfMeth评分呈正相关（图5A），且cfFrag模型性能更优。受限于样本量，留一法交叉验证表明，cfFrag+cfMeth联合模型优于单一模型，若结合X光与超声影像数据，AUC可高达0.97（图5B）。
为进一步提升筛查性能，研究基于cfFrag模型与乳腺影像报告系统（BI-RADS）构建联合诊断模型。结果显示，cfFrag-影像联合模型在区分乳腺癌与良性结节方面表现优越，训练集和验证集AUC分别达0.9和0.93（图5C），显著高于单一方法（图5D）。
为评估联合模型的临床价值，研究采用Hubbell等学者开发的截距模型[1]，结果表明，联合模型可将I期乳腺癌检测率从18%提升至93%，基于分期变化，预计可使中国乳腺癌5年生存率提升14%（图5E）；类似地，预计可使美国乳腺癌I期检测率提升至95%，5年生存率提升8%（图5F）。这表明，cfFrag-影像联合模型不仅能提升乳腺癌与良性结节的区分能力，还有助于优化分期。图5. cfFrag与cfMeth模型的性能及多组学联合诊断模型的性能
结 语
研究系统评估了cfDNA片段组学作为乳腺癌非侵入性生物标志物的应用潜力。基于MERCURY cfDNA多组学早筛技术，cfFrag模型在区分早期乳腺癌与良性结节、预测新辅助治疗反应方面表现优异。cfFrag-影像联合模型可进一步提升早期乳腺癌检测的准确性，具有改善临床结果和优化医疗实践的潜力。
专家简介
苏建忠 教授
温州医科大学基因组医学研究院院长
国家高层海外引进青年人才计划
浙江省高校领军人才
瓯江实验室特聘教授
中国老年学和老年医学学会肿瘤分会委员
中华预防医学会生物信息学委员
浙江省生物信息学会健康医学和转化医学委员会主任委员
浙江省生物信息学会理事
中国抗癌协会肿瘤标志物专业委员会委员
CCF生物信息专委会委员
刘嘉琦 教授
中国医学科学院肿瘤医院/国家癌症中心
乳腺外科副主任医师、硕士生导师、协和8年制博士、分子肿瘤学全国重点实验室博士后、北京市科技新星研究方向聚焦于：
1）开发适用于乳腺癌等常见肿瘤筛查和早诊的“液体活检”（外周血游离核酸）和“气体活检”（呼出气挥发性化合物）新方法；2）基于基因型-表型关联探索遗传性乳腺癌诊断和治疗的新策略；
3）建立快速、高通量、高还原度的乳腺癌临床研究体外模型。
以第一和通讯作者在Nature Communications、Journal of Hematology & Oncology、Molecular Cancer、Genome Medicine等杂志发表SCI论文30篇，专利10项，成果转化总额3000万元。主持国家自然科学基金2项获全国妇幼健康科学技术奖自然科学一等奖，2018和2019年连续两年获得BEST乳腺癌多学科诊疗（MDT）比赛全国冠军团队中国抗癌协会乳腺癌专业委员会青年专家、CSCO “35under35”优秀青年肿瘤医师、首届国家卫健委、中国遗传学会遗传咨询分会和中国抗癌协会认证的遗传咨询师参考文献：
1. Hubbell E, Clarke CA, Aravanis AM, Berg CD. Modeled reductions in late-stage cancer with a multi-cancer early detection test. Cancer Epidemiol Biomarkers Prev 2021;30:460-8.
2. Jiaqi Liu, Yalun Li, Wanxiangfu Tang, Tianyi Qian, Lijun Dai, Ziqi Jia, Heng Cao, Chenghao Li, Yuchen Liu, Yansong Huang, Jiang Wu, Dongxu Ma, Guangdong Qiao, Hua Bao, Shuang Chang, Dongqin Zhu, Shanshan Yang, Xuxiaochen Wu, Xue Wu, Hengyi Xu, Hongyan Chen, Yang Shao, Xiang Wang, Zhihua Liu, Jianzhong Su, Cell-free DNA Fragmentomics Assay to Discriminate the Malignancy of Breast Nodules and Evaluate Treatment Response, Genomics, Proteomics & Bioinformatics, 2025;, qzaf028, https://doi.org/10.1093/gpbjnl/qzaf028
审校：Uni
排版：Uni
执行：Faline
本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。
来源：医脉通肿瘤科
