近期，国际学术期刊《Journal of Advanced Research》（影响因子 17.1，中科院一区 Top）刊载了由中国医学科学院肿瘤医院/国家癌症中心李勇教授团队、中国科学技术大学附属第一医院（安徽省立医院）梅新宇教授团队、山西省肿瘤医院与鹍远生物等联合完成的重要研究成果^[1]："Development and Multicenter Validation of a cfDNA Methylation-Based PCR Assay (myESCAP) with Machine-Learning Prediction for Non-Invasive Detection of Esophageal Cancer（基于 mGuard^®技术的cfDNA 甲基化的 PCR 检测技术 myESCAP 结合机器学习预测用于食管癌无创检测的开发与多中心验证）"。该研究开发了一种名为 myESCAP 的血液甲基化 PCR 检测技术，仅需一管血、采用常规荧光 PCR 平台，即可实现食管癌的无创判别，为食管癌筛查与早期诊断提供了低成本、易推广的新方案。

【背景】

食管癌是我国高发、高死的恶性肿瘤。全球约 44% 的新发食管癌病例发生在中国，在我国全部恶性肿瘤中，食管癌的发病率和死亡率分别位居第七位和第五位。更关键的是预后鸿沟：早期（0–II 期）食管癌五年生存率约 44%，而晚期（III–IV 期）骤降至约 13%；但现实中仅约 20% 的患者能在 I 期或更早被确诊。

诊断手段的局限是核心瓶颈。内镜镜是金标准，但属侵入性检查，患者接受度低，且高度依赖内镜医师的经验与设备条件——而这恰恰是食管癌高发的基层和欠发达地区最欠缺的资源。CT 等影像学方法对微小病灶和早期病变的敏感性不足。传统血清肿瘤标志物（SCC-Ag、CEA）灵敏度同样无法满足早筛需求。因此，临床上迫切需要一种高灵敏度、高特异性、低成本和易普及的血液检测工具。

【研究脉络】

本研究是一项多中心、回顾性病例对照研究 （图1）。研究团队首先从既往 PanSeer^®多癌种靶向甲基化测序数据中，筛选出 11 个能稳健区分食管癌来源循环肿瘤 DNA（ctDNA）与非恶性对照 cfDNA 的甲基化标志物；针对这些标志物设计特异性 TaqMan 探针，并引入 mGuard^®技术以放大血浆中微量的甲基化信号，最终构建成 myESCAP 检测体系。

在建模环节，研究团队刻意采用了六种主流机器学习算法——广义线性模型（GLM）、K 近邻（KNN）、C5.0 决策树、梯度提升机（GBM）、随机森林（RF）和支持向量机（SVM）——独立建模，并通过重复 10 折交叉验证（N=20）训练，以验证检测信号的稳健性不依赖于某一种特定算法。

研究共纳入 489 例食管癌患者（含高级别上皮内瘤变）和 555 例非恶性对照（良性食管/胃疾病患者及无症状个体），来自中国西北、华北、华东三个食管癌高发区域，训练集与验证集分别独立设置。

图1. 研究设计。

【研究设计】

第一阶段：标志物筛选与 PCR 体系建立。 从 PanSeer^® 面板中选出 11 个食管癌特异性甲基化标志物，设计靶向差异甲基化 CpG 位点的 TaqMan 探针，并 利用mGuard^®技术以应对血浆 DNA 丰度极低的问题。

第二阶段：模型训练与验证。 采用倾向性评分匹配（PSM）平衡年龄与性别后，以 347 例食管癌和 349 例非恶性对照训练六种机器学习模型；在 142 例食管癌和 206 例非恶性对照的独立验证队列中评估泛化能力。

第三阶段：分层性能评估。 按临床分期（HGIN、0 期及 I–IV 期）分析灵敏度变化趋势。

图2. 图文摘要。

【结果】

1. 全部 11 个标志物均展现显著差异甲基化

PCR 分析显示，11 个标志物在食管癌 ctDNA 与非恶性 ctDNA 之间均存在显著差异甲基化，校正后 p 值范围为 5.8×10⁻³ 至 3.1×10⁻⁸⁸（图3，Wilcoxon 秩和检验）。以 Ct 值作为预测变量，单个标志物的 AUC 最高可达 0.79。其中 PRDM14（已知癌基因）、CHFR（抑癌基因）、SEPTIN9 与 SHOX2（已知肿瘤标志物）等基因相关位点，提示这些标志物具有明确的生物学功能基础。

图3. 火山图和ROC曲线图显示本研究中“非恶性”对照组（患有良性食管/胃部疾病的患者及无症状个体）与“恶性”（EC）病例的标记物 1–11 的 Ct 值分布。

2. 六种模型性能高度一致，训练与验证队列稳定

训练队列中，六种模型的平均 AUC 为 0.835，平均灵敏度 76.13%，平均特异性 90.88% （图4）。验证队列中，平均 AUC 为 0.823，平均灵敏度 75.59%，平均特异性 89.00%。六种模型之间 AUC 无统计学差异（最高 GBM 0.839，最低 KNN 0.802），且五种模型（C50、GLM、GBM、KNN、SVM）在验证集上较训练集无显著性能衰减（DeLong 检验，均 p > 0.05）。

图4. myESCAP 中六种机器学习模型（C50、GLM、 KNN 、 GBM 、RF 和 SVM）在训练集和验证集中的性能。

这一点是本研究最具说服力的部分：检测性能不因算法选择而大幅波动，说明 myESCAP 捕捉到的是真实的生物学信号，而非模型过拟合的产物。

3. 灵敏度随分期递进上升

训练队列中，灵敏度随分期推进而上升：HGIN 与 0 期平均 31.33%，I 期 60.39%，II 期 81.69%，III 期 84.32%，IV 期 96.83% （图5）。验证队列同样保持这一趋势，晚期（III–IV 期）平均灵敏度达 91.67%。这与"肿瘤负荷越大、释放入血的 ctDNA 越多"的生物学规律一致。

图5. C50(A)、 GBM (B)、 GBM (C)、 KNN (D)、RF(E)和 SVM (F)在训练集和验证集中按临床分期（例如， HGIN 和 I–IV 期）分层后的 EC 检测敏感性。

4. 早期检出仍是核心挑战

研究如实报告了短板：验证队列中 I 期食管癌的平均灵敏度为 47.2%，HGIN/0 期/I 期合并计算为 39.58%，低于训练队列的 52.66%。这反映出早期病灶释放的 ctDNA 极其微量，是当前技术平台面临的共性难题，也明确了下一步优化方向——精简标志物面板、提升早期富集能力。

【小结】

本研究成功开发并多中心验证了 myESCAP——一种基于 mGuard^®技术的食管癌无创检测技术。在 1,044 例大样本、跨三个食管癌高发区域的多中心队列中，六种机器学习模型均表现稳定，验证集平均 AUC 0.823、特异性约 90%。

研究的价值不仅在于一个检测产品，更在于提供了一条务实的技术路径：以"血液初筛—阳性者内镜确诊"的分流策略，有望在不增加内镜资源压力的前提下，扩大高危人群的筛查覆盖。研究团队也明确指出下一步方向——精简标志物面板至 2–3 个、优化早期灵敏度、并开展前瞻性队列验证。这些工作，正是推动食管癌早诊技术真正落地临床的必经之路。

【关于鹍远生物】

自2014年成立，鹍远生物作为基于DNA甲基化的肿瘤分子检测领域的领军企业，凭借专有的基于DNA甲基化的技术平台、全面的产品组合及策略性商业化模式，致力于革新从高发癌症的早期检测、早期诊断、复发预测及复发监测的整个癌症诊疗周期。

鹍远生物拥有丰富的产品管线，覆盖多癌种、结直肠癌、肝癌、胃癌、食管癌、胰腺癌等。2024 年 5 月，其自主研发的常艾克^®获得国家药品监督管理局（NMPA）三类医疗器械注册证；2023 年 5 月，胰腺癌早检技术 PDACatch 获美国食品药品监督管理局（FDA）突破性医疗器械认定；在多癌早检领域，自主研发的消化系统五癌血液多基因甲基化检测技术 GutSeer^®已于 2024 年获欧盟 CE 认证。公司将继续致力于开发创新可靠的癌症精准检测产品，推动癌症精准医疗领域的发展。

鹍远生物致力于构建开放多元的"产学研医检"协同创新生态，承担了国家级重大科研项目课题，牵头起草了多个重要行业标准，并与国内外顶尖学术机构、医院及药企开展了广泛合作，推动肿瘤早筛及液体活检领域的科学研究、临床实践及应用转化，已成长为全球肿瘤早筛和液体活检领域的领军企业。

【参考文献】

[1] Wang X., Wang Z., Qi L., Shuang Z., et al. Development and Multicenter Validation of a cfDNA Methylation-Based PCR Assay (myESCAP) with Machine-Learning Prediction for Non-Invasive Detection of Esophageal Cancer. Journal of Advanced Research, 2026.

免责声明：本文仅供医学专业人士阅读参考，非广告用途。文中数据引自已发表研究，具体临床决策请以正式发表文献及产品说明书为准。

页面翻译