1. 领域背景与文献引入
文献英文标题：Development and validation of a short-term breast health measure as a supplement to screening mammography；发表期刊：Biomarker Research；影响因子：未公开；研究领域：乳腺肿瘤学（乳腺癌筛查与生物标志物研究）。
乳腺癌是女性最常见的恶性肿瘤，占全球女性癌症诊断的31%，2022年美国预计有43250人死于乳腺癌。早期检测是降低乳腺癌死亡率的核心策略——筛查性乳房X线摄影自20世纪80年代引入后，使乳腺癌死亡率降低了20%，但仍存在显著局限性：其一，“间隔癌”（筛查阴性但后续短期内确诊的癌症）发生率未降低，假阳性率高导致不必要的随访；其二，年轻女性（<50岁）筛查依从性低（仅31%-70%），而该群体乳腺癌诊断更具侵袭性、死亡率更高；其三，乳腺密度（如BI-RADS 4类“极度致密”）会掩盖肿瘤，显著降低筛查灵敏度。
现有研究聚焦于开发非侵入性、易获取的生物标志物以补充筛查，但传统生物流体（如血液）存在样本采集不便、标志物浓度低等问题。泪液作为富含 proteomic 和 genomic 信息的动态生物流体，具有样本易收集、处理简单、标志物浓度高的优势，前期小规模研究发现泪液中的S100A8、S100A9、半乳糖凝集素-3结合蛋白（LG3BP）与乳腺癌相关，但未在大样本中验证，也未构建整合临床协变量的评估模型。
本研究旨在填补这一空白：通过大样本泪液样本，整合蛋白标志物与临床变量（年龄、乳腺密度等）构建短期乳腺健康评估工具，作为筛查性乳房X线摄影的补充，解决现有筛查的局限性（如年轻女性依从性低、乳腺密度影响准确性），为乳腺癌早期检测提供新途径。
2. 文献综述解析
文献综述以“现有筛查的局限性→泪液生物流体的潜力→前期标志物研究基础”为核心逻辑，系统评述领域研究现状。
现有研究关键结论：① 筛查性乳房X线摄影是降低乳腺癌死亡率的核心手段，但存在间隔癌、假阳性、依从性差异等问题；② 泪液作为非侵入性生物流体，可反映全身疾病的系统性影响，其蛋白谱具有疾病诊断潜力；③ 前期研究证实S100A8、S100A9（在乳腺癌血清/组织中升高，与BRAC1突变、转移相关）、LG3BP（与转移和生存不良相关）是潜在乳腺癌标志物，但样本量小（未超过200例），未整合临床协变量。
现有研究优势：泪液样本采集无创、易操作，无需专业设备；局限性：前期研究未验证标志物在大样本中的有效性，也未构建可用于临床的评估模型。
本研究创新价值：① 首次采用大样本（847例）临床泪液样本，验证前期发现的蛋白标志物；② 整合蛋白浓度与临床协变量（年龄、乳腺密度等），构建3种逻辑回归模型，系统评估其区分乳腺癌与健康/召回人群的性能；③ 提出“短期乳腺健康评估工具”的概念，直接关联临床应用（补充筛查性乳房X线摄影），解决现有筛查的实际问题。
3. 研究思路总结与详细解析
3.1 研究人群招募与样本收集
实验目的：获取覆盖乳腺健康 continuum（健康、召回、乳腺癌）的人群样本，为后续标志物检测和模型构建提供基础。
方法细节：经阿肯色大学伦理委员会批准（IRB#13-11-289），2017年10月至2019年6月从阿肯色州2家乳腺中心招募18岁以上女性，采用便利抽样法，纳入标准覆盖“筛查无异常”“筛查召回但无活检”“病理确诊乳腺癌”三类人群；通过Schirmer滤纸条法收集泪液样本，同时记录临床协变量（年龄、BMI、乳腺密度、激素治疗史、肿瘤家族史等）。
结果解读：共纳入847例样本，分为2个队列：队列1（391例，含87例乳腺癌、204例健康、100例召回）、队列2（456例，含21例乳腺癌、121例良性活检、86例BI-RADS 3）；样本年龄分布22-84岁（平均55.81岁），涵盖浸润性导管癌（IDC）、导管原位癌（DCIS）等亚型。
实验所用关键产品：泪液蛋白检测采用R&D Systems的DuoSets ELISA试剂盒（检测S100A8、S100A9、LG3BP）。
3.2 泪液蛋白浓度检测与数据预处理
实验目的：定量检测泪液中目标蛋白浓度，处理非正态分布数据以满足统计分析要求。
方法细节：采用标准夹心ELISA技术检测S100A8、S100A9、LG3BP浓度；因3种蛋白浓度均呈非正态分布，将浓度转换为对数（log）值；对于浓度低于检测下限（0 pg/ml）的样本，重新编码为1 pg/ml（避免log计算时出现缺失值）。
结果解读：成功获取847例样本的蛋白浓度数据，处理后的数据符合逻辑回归分析的正态性要求。
3.3 逻辑回归模型构建与验证
实验目的：整合蛋白标志物与临床协变量，构建区分乳腺癌与对照人群的评估模型，并评估其性能。
方法细节：① 协变量筛选：从28个初始协变量（3种蛋白+年龄、BMI、乳腺密度、激素治疗史等）中，排除共线性变量（如“家族癌症史”与“家族乳腺癌史”），保留11个潜在协变量；② 模型构建：采用向前逐步逻辑回归，构建3种模型——Model 1（健康vs乳腺癌）、Model 2（召回vs乳腺癌）、Model 3（健康+召回vs乳腺癌）；③ 性能评估：通过受试者工作特征曲线（ROC）计算曲线下面积（AUC），评估模型区分能力；设置2种诊断阈值（场景1：平衡灵敏度与特异度；场景2：优先灵敏度），计算灵敏度（真阳性率）与特异度（真阴性率）。
结果解读：
- Model 1（纳入S100A8、S100A9、乳腺密度）：AUC=0.779，场景1（cut-off=-0.8565）灵敏度76%、特异度76%；
- Model 2（纳入S100A8、S100A9、年龄）：AUC=0.805，场景1（cut-off=0.2018）灵敏度70%、特异度81%；
- Model 3（仅纳入S100A8、S100A9）：AUC=0.790，场景1（cut-off=-0.9487）灵敏度70%、特异度84%；场景2（优先灵敏度，cut-off=-2.3226）灵敏度86%、特异度38%。
进一步将模型应用于“以筛查为入口的乳腺健康 continuum”人群（即因筛查进入流程的女性），Model 3场景1的准确率达76%（灵敏度59%、特异度79%），显示其作为“预筛查工具”的潜力。
4. Biomarker 研究及发现成果解析
Biomarker 定位
本研究涉及的Biomarker为泪液中的蛋白标志物（S100A8、S100A9、LG3BP），筛选/验证逻辑为“前期小样本发现→大样本泪液ELISA检测→整合临床协变量的逻辑回归验证→ROC曲线性能评估”，形成完整的“发现-验证-应用”链条。
研究过程详述
Biomarker来源：临床泪液样本（通过Schirmer滤纸条法收集，无创、易操作）；
验证方法：① 定量检测：ELISA技术检测蛋白浓度；② 模型整合：向前逐步逻辑回归整合蛋白浓度与临床协变量；③ 性能评估：ROC曲线计算AUC、灵敏度、特异度；
特异性与敏感性数据：Model 3（S100A8+S100A9）场景1（平衡阈值）的AUC=0.790（95% CI 未明确），灵敏度70%、特异度84%（n=847）；场景2（优先灵敏度）的灵敏度86%、特异度38%（n=847）；应用于“筛查入口人群”时，Model 3场景1的特异度达79%（健康人群）、79%（召回人群）。
核心成果提炼
- 功能关联：S100A8、S100A9与乳腺癌诊断显著相关（模型中系数为正，即浓度越高，乳腺癌诊断可能性越大）；Model 3（仅S100A8+S100A9）可有效区分乳腺癌与健康/召回人群（AUC=0.790），提示这两个蛋白是泪液中最核心的乳腺癌生物标志物。
- 创新性：① 首次在大样本（847例）中验证泪液S100A8、S100A9作为乳腺癌标志物的有效性；② 构建整合临床协变量的评估模型，解决了“仅靠蛋白浓度无法区分召回与乳腺癌”的问题（Model 2纳入年龄后，AUC提升至0.805）；③ 提出“短期乳腺健康评估工具”的概念，直接关联临床应用（补充筛查性乳房X线摄影）。
- 临床价值：场景1（平衡阈值）适用于“常规预筛查”（灵敏度70%、特异度84%，减少假阳性）；场景2（优先灵敏度）适用于“高风险人群筛查”（灵敏度86%，降低假阴性）；Model 3应用于筛查入口人群的准确率达76%，可作为年轻女性、高乳腺密度人群的补充筛查工具。
本研究证实泪液中的S100A8、S100A9是有效的乳腺癌生物标志物，整合它们的评估模型可作为筛查性乳房X线摄影的补充，为乳腺癌早期检测提供了无创、便捷的新方法。未来需进一步扩大样本量（纳入不同种族、地域人群），并结合机器学习优化模型，提升特异度（当前场景2特异度较低），推动其临床转化。