编辑推荐：
食管癌（EC）是全球第七大致命癌症，其中食管鳞状细胞癌（ESCC）在中国占比超 90%，患者 5 年生存率低。研究人员开展了基于机器学习（ML）算法筛选优化自身抗体组合用于 ESCC 早期检测的研究，发现基于四种自身抗体的 plsRglm 模型有助于识别临床前期和早期 ESCC。
在健康与疾病的战场上，癌症始终是令人闻风丧胆的 “恶魔”，食管癌便是其中一员。食管癌在全球癌症致死排名中位居第七，而在中国，食管鳞状细胞癌（ESCC）更是占据了食管癌病例的 90% 以上。尽管现代医学不断进步，可一旦 ESCC 发展到晚期，患者的 5 年生存率仍低于 30%。这一严峻现状迫切呼唤着可靠的非侵入性生物标志物，以实现 ESCC 的早期检测，提高患者的生存希望。
为攻克这一难题，来自汕头大学医学院附属肿瘤医院等机构的研究人员挺身而出。他们开展了一项多中心、回顾性研究，并结合巢式病例对照研究，致力于寻找一种能精准诊断 ESCC 的优化自身抗体组合。最终，他们成功构建了基于四种自身抗体（ALDOA、ENO1、p53 和 NY-ESO-1）的 Partial Least Squares Generalized Linear Models（plsRglm）模型，该模型在检测早期 ESCC 及临床前期 ESCC 方面表现出色。这一成果发表在《BMC Medicine》杂志上，为食管癌的早期诊断带来了新的曙光。
在研究过程中，研究人员运用了多种关键技术方法。首先是血清蛋白质组分析（SERPA），通过它在 8 例 ESCC 患者和 8 例正常对照中筛选潜在的自身抗体。接着，利用酶联免疫吸附测定（ELISA）测量血清中自身抗体水平。此外，研究人员还构建并评估了 102 种基于 ML 算法的模型，以筛选出最优模型。研究样本来自多个中心的 ESCC 患者和正常对照，还包括一个前瞻性队列研究中的巢式病例对照研究样本。
研究结果如下：
- 自身抗体的发现与筛选：通过 SERPA，研究人员在 ESCC 患者血清中发现了针对 ALDOA、ENO1 等蛋白质的自身抗体反应。进一步分析后，经逐步逻辑回归从众多自身抗体中筛选出 ALDOA、ENO1、p53 和 NY-ESO-1 四种自身抗体，并构建了相关公式计算 ESCC 的预测变量。
- 模型的构建与评估：基于这四种自身抗体，研究人员构建了 102 种 ML 模型。经 ROC 分析、K-S 检验和 PSI 评估，发现 plsRglm 模型表现卓越。在训练集、内部验证集和外部验证集中，该模型诊断 ESCC 的 AUC 分别达到 0.860、0.826 和 0.851，对早期 ESCC 也有良好的诊断性能12。
- 模型检测临床前期 ESCC 的性能：在巢式病例对照研究中，plsRglm 模型展现出检测临床前期 ESCC 的能力，AUC 为 0.723，灵敏度为 54.2%，特异性为 86.6%。这意味着该模型能在一定程度上提前发现尚未出现临床症状的 ESCC 患者。
- 与传统标志物的比较及临床应用：与传统标志物 Cyfra21-1、CEA 及两者联合检测相比，plsRglm 模型诊断早期 ESCC 的 AUC 显著更高。为便于临床应用，研究人员还将该模型整合到在线网络应用程序中，根据预测值为临床决策提供参考。
研究结论表明，基于四种自身抗体的 plsRglm 模型对早期 ESCC 具有可观的诊断价值，在临床前期 ESCC 监测及术后随访方面也极具潜力。不过，研究也存在一些局限，如缺乏自身抗体产生机制的深入见解，样本存在差异，发现阶段样本量小且细胞系单一等。但这一研究依然为 ESCC 的早期诊断开辟了新方向，有望推动食管癌早期诊断技术的发展，提高患者的生存率和生活质量，激励更多科研人员在该领域深入探索，为攻克食管癌这一顽疾贡献力量。
