Точные неинвазивные инструменты для выявления рака мочевого пузыря и предоперационной оценки мышечной инвазии остаются ограниченными. Группа исследователей разработала анализ фрагментомики плазменной бесклеточной ДНК (cfDNA) для решения двух клинически значимых задач: выявление рака мочевого пузыря и предоперационная оценка риска мышечно-инвазивного поражения.

Используя низкопроходное полногеномное секвенирование, авторы извлекали признаки покрытия фрагментов по размеру, вариации числа копий и позиционирования нуклеосом. Многоцентровая когорта включала 656 участников из госпиталя Университета Циндао и госпиталя Yuhuangding в Яньтае, с независимым внешним валидационным набором, обработанным централизованно по единому лабораторному протоколу.

Интегрированный классификатор был сначала обучен для выявления рака. Затем отдельный классификатор для разграничения немышечно-инвазивного рака мочевого пузыря (NMIBC) и мышечно-инвазивного рака мочевого пузыря (MIBC) был разработан на объединённых случаях с окончательным стадированием из обучающей и внутренней валидационной когорт и протестирован внешне.

Для выявления рака модель достигла AUC 0.9484 (обучение), 0.9446 (внутренняя валидация) и 0.9390 (внешняя валидация). При предустановленном пороге чувствительность составила 81.0%, 80.0% и 82.9%, со специфичностью 95.0%, 94.7% и 92.7% относительно здоровых контролей и 93.3% и 91.7% относительно контролей с доброкачественными заболеваниями при внутренней и внешней валидации соответственно.

Для стратификации инвазии классификатор NMIBC/MIBC достиг AUC 0.9378 и 0.9290 в когортах разработки и внешней валидации соответственно, с чувствительностью 94.7% и специфичностью 88.4% для выявления MIBC при внешней валидации. Анализ продемонстрировал высокую воспроизводимость при различных условиях хранения и партиях секвенирования.

Эта основанная на анализе крови платформа обеспечивает точное многоцентровое выявление рака мочевого пузыря и предоперационную стратификацию мышечной инвазии, демонстрируя значительный потенциал для дополнения существующих диагностических алгоритмов. Метод может улучшить отбор пациентов для инвазивных процедур и способствовать более точному планированию хирургического лечения.