《Frontiers in Oncology》：Noninvasive detection of pancreatic ductal adenocarcinoma in high-risk patients using miRNA from urinary extracellular vesicles
编辑推荐：
本研究通过分析尿液细胞外囊泡（EVs）中的miRNA表达谱，开发了一种机器学习算法（AUC=0.89），能够以80%的敏感性和79%的特异性区分胰腺导管腺癌（PDAC）患者与高危（HR）人群，对早期PDAC（0-IIA期）的检测敏感性达73%，为胰腺癌的早期筛查提供了非侵入性新方案。
引言
胰腺癌（PaC）作为死亡率极高的恶性肿瘤，90%的病例为胰腺导管腺癌（PDAC）。由于早期缺乏典型症状，多数患者确诊时已处于晚期，导致5年生存率仅约10%（美国2023年数据）。当前影像学检查（如超声、CT、MRI）对早期PDAC的敏感性有限（例如MRI对0期病变的敏感性仅9.7%），而内镜超声（EUS）虽敏感性较高（0期45.5%），但具侵入性且依赖操作者经验。液体活检技术通过分析生物标志物如循环肿瘤DNA或miRNA，为无创诊断提供新思路。尿液因采集便捷、非侵入性，尤其适合高危人群（HR）的长期监测。本研究首次通过多中心病例对照研究，探索尿液EVs中miRNA在区分PDAC与HR中的价值。
材料与方法
研究纳入日本5家机构的248例样本（140例PDAC、110例HR、5例其他组织学类型及普通人群对照）。通过离心和试剂沉淀法分离尿液EVs（中位粒径153纳米），提取RNA后使用小RNA测序技术分析miRNA表达。差异表达分析采用DESeq2软件，机器学习模型基于LightGBM算法开发，通过10折交叉验证优化特征选择（最终纳入15个miRNA特征）。模型性能以曲线下面积（AUC）、敏感性和特异性评估。
结果
- 1.
miRNA表达谱特征：PDAC与HR的miRNA谱高度相似（共同上调miRNA达20种），但相较于普通人群，PDAC中11种miRNA显著上调（如miR-513家族）、5种下调（如miR-126、miR-185-5p）。下调miRNA的靶基因富集于生长信号通路（如MAPK、Wnt通路），提示其表达抑制可能与PDAC进展相关。
- 2.
算法性能：模型在训练集和验证集的AUC均为0.89。设定阈值0.530时，对全部PDAC的敏感性和特异性分别为80%和79%，对早期PDAC（0-IIA期）的敏感性为73%。模型预测能力不受年龄、性别、吸烟饮酒史等混杂因素影响。
- 3.
与其他标志物对比：传统标志物CA19-9在早期PDAC中敏感性仅34.1%，且与miRNA算法预测分数相关性弱（Pearson r=0.275），表明尿液miRNA提供独立于CA19-9的生物学信息。
讨论
本研究首次证实尿液EVs miRNA可有效区分PDAC与HR人群，其性能优于现有影像学方法对早期病变的检测能力。尿液miRNA可能整合了肿瘤细胞及微环境（如间质细胞、免疫细胞）的系统响应，例如miR-513-5p随肿瘤进展上调，而miR-185-5p下调可能促进癌细胞增殖。研究局限性包括早期病例数不足（0期仅2例）及HR群体异质性（如IPMN与糖尿病共存）。未来需扩大样本量并标准化尿液采集流程（如晨尿避免脱水影响），以提升模型稳健性。
结论
尿液EVs miRNA算法为PDAC高危人群筛查提供了一种高精度、非侵入性的工具，有望填补现有筛查手段的空白，推动胰腺癌的早期诊断与干预。
