Нейробластома (НБ) остается одной из наиболее частых злокачественных солидных опухолей детского возраста, часто представляя сложности для дифференциальной диагностики. Исследователи из НМИЦ ДГОИ им. Дмитрия Рогачева разработали и валидировали многопараметрическую модель неинвазивной диагностики, основанную на новом маркере жидкостной биопсии — циркулирующей С18-липоформе GD2.

Ключевые результаты исследования показали, что логистическая регрессионная модель продемонстрировала AUC 0,842 (95% ДИ 0,829–0,856), при этом значимым предиктором оставалась только С18-липоформа GD2 (OR 1,07 на 1 нМ; 95% ДИ 1,04–1,11; p < 0,001). Традиционные сывороточные маркеры — нейронспецифическая енолаза (НСЕ) и лактатдегидрогеназа (ЛДГ) — показали ограниченную диагностическую информативность.

В проспективное одноцентровое диагностическое когортное исследование были включены 155 пациентов в возрасте 0–18 лет с клинико-инструментальным подозрением на нейрогенную опухоль за период с июля 2021 г. по март 2024 г. (32 месяца). Из них 89 пациентов имели подтвержденную нейробластому, 66 составили контрольную группу.

Концентрации С18-липоформы GD2 определяли валидированным методом высокоэффективной жидкостной хроматографии с тандемной масс-спектрометрией. Уровни НСЕ и ЛДГ измеряли стандартными методиками. Для обработки отсутствующих данных по НСЕ и ЛДГ использовали множественную импутацию (m = 20).

Исследователи сравнили два подхода: логистическую регрессию с 3 непрерывными предикторами (GD2, НСЕ, ЛДГ) и нейросетевую модель (многослойный персептрон с 3 входами, 1 скрытым слоем из 2 нейронов и логистическим выходом).

Внутреннюю валидацию выполняли строгой 5-fold кросс-валидацией на каждом импутированном наборе. Среднее значение AUC для логистической модели при кросс-валидации составило 0,838 (диапазон 0,812–0,867), тогда как нейросетевая модель показала более низкое и вариабельное среднее значение AUC — 0,759 (диапазон 0,684–0,841).

Нейросетевая модель не обеспечила существенного преимущества по AUC и оказалась менее стабильной по сравнению с логистической регрессией. По тесту DeLong статистически значимых различий между AUC двух моделей не выявлено (p = 0,904).

С учетом сопоставимой дискриминационной способности, большей устойчивости и интерпретируемости в качестве финального решающего правила для неинвазивной диагностики нейробластомы была выбрана логистическая регрессионная модель, реализованная в виде онлайн-калькулятора риска.

Исследование демонстрирует перспективность использования С18-липоформы GD2 как ключевого компонента диагностических моделей при подозрении на нейрогенные опухоли у детей, что может существенно улучшить точность неинвазивной диагностики нейробластомы.