1. 领域背景与文献
文献英文标题：Emerging minimally invasive biomarkers for triaging lung nodules: a comprehensive review
发表期刊：Journal of Cancer Research and Clinical Oncology；影响因子：4.5（2024年）；研究领域：胸部肿瘤学（肺结节良恶性鉴别诊断）
肺癌是全球癌症相关死亡的首要原因，2020年全球新增病例超220万例，死亡180万例，预计2050年年度病例将达380万例。吸烟是肺癌的主要病因，但15%-25%的肺癌病例发生于从不吸烟的人群。肺癌早期阶段通常无明显症状，仅15%的新发病例在早期被诊断，IA期患者5年生存率＞75%，而晚期患者仅为5%，早期诊断对改善预后至关重要。
低剂量CT（LDCT）肺癌筛查经美国国家肺癌筛查试验（NLST）和荷兰-比利时随机肺癌筛查试验（NELSON）验证可降低20%的肺癌死亡率，美国预防服务工作组（USPSTF）推荐50-80岁、吸烟史≥20包年的高危人群每年接受LDCT筛查。然而，LDCT筛查中高达96%的结节为良性，导致不必要的侵入性活检操作，同时反复CT随访会给患者带来心理压力。LDCT筛查的假阳性率为7.9%-49.3%，NLST研究中假阳性率达96.4%，9%的患者接受侵入性活检；假阴性率为8%-15%，可能导致诊断延迟和预后恶化。
目前临床采用Lung影像报告和数据系统（Lung-RADS）及泛加拿大肺癌早期检测（PanCan）模型辅助肺结节活检决策，Lung-RADS将恶性风险分为四级，PanCan模型基于Brock评分提供临床建议，两者在基线CT上的鉴别效能相近（AUC分别为0.96和0.95）。但Lung-RADS仍存在良性结节活检问题，PanCan模型需要输入6项结节层面和3项参与者层面的信息，临床应用便利性不足。因此，亟需开发微创、高效的生物标志物来精准区分良恶性肺结节，减少不必要的活检操作，改善患者管理。
2. 文献综述解析
作者对领域内现有研究的分类维度为技术方法类型，涵盖传统影像学技术、血清肿瘤标志物、新兴微创生物标志物（AI放射组学、液体活检、呼吸生物标志物）及生物标志物联合应用策略。
现有研究的关键结论显示，影像学技术中，肺结节的大小、生长速率、密度、解剖位置与恶性概率密切相关，结节直径＞20mm时恶性概率达64%，实性成分占比越高恶性风险越高，45%的恶性结节位于上叶；Lung-RADS和PanCan模型可有效提升活检决策的准确性，PanCan模型在筛查队列中的AUC为0.83-0.87。PET/CT对较大结节的良恶性鉴别有帮助，低FDG摄取结节的阴性预测值为92%，高摄取结节的阳性预测值为90%，但对8-9mm的小结节鉴别效能有限，且存在炎症结节导致的假阳性。血清肿瘤标志物如细胞角蛋白19片段（CYFRA21-1）、癌胚抗原（CEA）等对肺癌有一定诊断价值，CYFRA21-1对肺鳞癌的敏感性为72%、特异性为94%，但单独使用时敏感性或特异性不足，无法满足临床需求。
现有研究的局限性主要包括：影像学技术存在较高的假阳性和假阴性率，依赖放射科医生的经验和标准化解读；血清肿瘤标志物单独使用时诊断效能不足，难以区分良恶性结节；新兴微创生物标志物多处于临床前或早期临床研究阶段，缺乏标准化的检测流程和大样本多中心临床验证，单一生物标志物难以同时满足高敏感性和高特异性的要求；部分技术如AI放射组学存在模型可重复性差、数据质量控制难度大的问题，呼吸VOCs检测受饮食、环境等因素干扰，结果一致性不足。
本研究的创新价值在于，全面梳理了近五年用于肺结节分流的新兴微创生物标志物研究进展，重点聚焦生物标志物联合应用策略，强调多模态联合（如液体活检与临床影像学特征结合、CTCs与血清标志物结合、AI与呼吸VOCs结合）可显著提升良恶性结节的鉴别效能，弥补单一生物标志物的局限性，为临床提供更精准的肺结节管理方案，推动微创生物标志物从实验室研究向临床应用转化。
3. 研究思路总结与详细解析
本研究的核心目标是系统综述用于肺结节良恶性鉴别的新兴微创生物标志物，分析各类标志物的优势、局限性及联合应用前景，为临床解决现有肺结节管理中的痛点提供参考。核心科学问题是如何通过微创生物标志物的合理选择及联合策略，降低不必要的肺结节活检率，提升早期肺癌诊断的准确性。技术路线遵循“现有方法局限性分析→新兴生物标志物分类综述→联合策略研究进展→未来方向展望”的逻辑闭环。
3.1 现有肺结节鉴别方法的局限性分析
实验目的：明确当前临床常用肺结节鉴别手段的不足，引出对新兴微创生物标志物的需求。
方法细节：通过回顾LDCT筛查、Lung-RADS、PanCan模型、PET/CT及血清肿瘤标志物的临床研究数据，系统分析其假阳性率、假阴性率、临床应用便利性等方面的局限性。
结果解读：LDCT筛查存在高假阳性率，导致大量不必要的活检操作和患者焦虑；Lung-RADS和PanCan模型虽提升了决策准确性，但仍无法完全避免良性结节活检，且PanCan模型因输入参数复杂，临床普及难度较大；PET/CT对小结节鉴别效能有限，存在炎症相关假阳性；血清肿瘤标志物单独使用时诊断效能不足，难以满足临床需求。
产品关联：文献未提及具体实验产品，领域常规使用CT扫描仪、PET/CT设备、血清肿瘤标志物检测试剂盒等。
3.2 新兴微创生物标志物的分类研究
实验目的：系统梳理各类新兴微创生物标志物在肺结节良恶性鉴别中的研究进展及临床潜力。
方法细节：按AI放射组学、液体活检（外泌体、非编码RNA、细胞游离DNA（cfDNA）、DNA甲基化、循环肿瘤细胞（CTCs））、呼吸挥发性有机化合物（VOCs）分类，综述各标志物的检测方法、临床研究数据及效能指标。
结果解读：AI放射组学可提升肺结节的检测和鉴别效能，中国肺RADS（C-Lung-RADS）模型整合AI纹理特征和临床特征后AUC达0.92，优于Lung-RADS v2022；液体活检中，血浆外泌体纤维蛋白原β链（FGB）联合γ链（FGG）鉴别良恶性结节的敏感性达0.814、AUC为0.794；由miR-378a等4个miRNA组成的面板鉴别良恶性结节的AUC为0.908，敏感性97.5%、特异性72.0%；DNA甲基化联合模型“PulmoSeek Plus”的AUC为0.90，敏感性0.99；CTCs联合血清CEA及结节类型的AUC为0.827；呼吸VOCs联合AI模型的鉴别准确率达97.8%、特异性100%。
产品关联：文献未提及具体实验产品，领域常规使用AI算法分析平台、液体活检样本提取试剂盒、气相色谱-质谱联用仪（GC-MS）、电子鼻等。
3.3 生物标志物联合策略的研究分析
实验目的：探讨多模态生物标志物联合应用对肺结节鉴别效能的提升作用。
方法细节：梳理cfDNA与临床影像学特征、CTCs与血清标志物及AI、呼吸VOCs与AI等联合策略的临床研究数据，分析联合前后的诊断效能变化。
结果解读：“PulmoSeek Plus”联合cfDNA甲基化检测与临床影像学特征，AUC从单独模型的0.85提升至0.90，敏感性达0.98，可减少89%的不必要手术和73%的延迟治疗；CTCs联合血清CEA及结节类型的AUC达0.827，显著优于单一CTCs检测；AI与呼吸VOCs联合模型对良恶性结节的鉴别准确率达97.8%，特异性100%。
产品关联：文献未提及具体实验产品，领域常规使用多组学检测平台、临床数据整合分析系统等。
3.4 未来研究方向的探讨
实验目的：提出新兴微创生物标志物在肺结节鉴别领域的未来发展方向及挑战。
方法细节：分析现有研究存在的检测标准化、临床验证不足等问题，结合领域发展趋势提出解决方案。
结果解读：未来研究需重点关注检测流程的标准化、大样本多中心临床验证、多学科交叉合作，推动生物标志物从实验室研究向临床常规应用转化，同时需优化AI算法的可重复性和解释性，提升呼吸VOCs检测的稳定性。
产品关联：文献未提及具体实验产品，领域常规使用标准化样本处理系统、多中心临床研究协作平台等。
4. Biomarker研究及发现成果解析
Biomarker定位与筛选逻辑
本研究涵盖的生物标志物包括血清肿瘤标志物、液体活检标志物（外泌体、非编码RNA、cfDNA、DNA甲基化、CTCs）、呼吸VOCs及联合生物标志物。筛选与验证逻辑为：先通过小样本临床研究初步筛选潜在标志物，再通过独立队列研究验证其诊断效能，部分标志物进一步与临床影像学特征、AI技术等进行联合优化，提升鉴别准确性。
研究过程详述
- 血清肿瘤标志物：细胞角蛋白19片段（CYFRA21-1）对肺鳞癌的敏感性为72%、特异性为94%（文献未明确样本量）；癌胚抗原（CEA）的敏感性为27.2%、准确性为40.4%（文献未明确样本量）。
- 外泌体：血浆外泌体FGB联合FGG鉴别良恶性结节的敏感性为0.814、AUC为0.794（文献未明确样本量）。
- 非编码RNA：由miR-378a等4个miRNA组成的面板鉴别良恶性结节的AUC为0.908，敏感性97.5%、特异性72.0%（文献未明确样本量）；由MALAT1等4个长链非编码RNA（lncRNA）组成的面板对非小细胞肺癌（NSCLC）的AUC为0.85（腺癌）和0.93（鳞癌）（n=528）。
- cfDNA：DNA片段早期截获（DELFI）方法对早期癌症的检测率为57%-99%（涵盖7种不同癌种）。
- DNA甲基化：“PulmoSeek Plus”联合模型的AUC为0.90，敏感性0.99、特异性0.50（n=140）；痰标本DNA甲基化联合临床数据对肺癌的预测准确率达91%（n=210）。
- CTCs：CTCs联合血清CEA及结节类型的AUC为0.827（n=131）。
- 呼吸VOCs：呼吸VOCs联合AI模型对良恶性结节的鉴别准确率为97.8%、敏感性97.3%、特异性100%（n=47）。
- 联合生物标志物：“PulmoSeek Plus”联合cfDNA甲基化与临床影像学特征的AUC为0.90，敏感性0.98（n=541）；CTCs联合AI及临床特征的AUC为0.895（n=726）。
核心成果提炼
单一生物标志物中，miRNA面板、DNA甲基化模型具有较高的敏感性，但特异性不足；联合生物标志物策略可显著提升良恶性结节的鉴别效能，“PulmoSeek Plus”联合模型可有效减少不必要的手术和延迟治疗，AI与呼吸VOCs联合模型实现了100%的特异性。本研究首次全面系统地综述了近五年用于肺结节分流的新兴微创生物标志物联合策略，为临床精准鉴别良恶性肺结节提供了多模态解决方案，具有重要的临床转化价值。
