寻找罕见信号：基于血液检测的癌症检出统计架构

阳性信号是诊疗路径的起点

血液检测可以提示分子异常，却未必能定位可治疗的癌症。完整路径包括确证性影像检查、组织诊断、治疗和随访。每一次阶段转换都会改变相关分母。仅评估检测本身，可能忽视那些阳性结果未能导向癌症诊断的人所承受的负担。核心问题在于，完整路径能否改善预期筛查人群中的某项明确结局。

不同设计回答不同问题

Cohen及其同事在病例对照研究框架下评估了CancerSEEK。Lennon及其同事在前瞻性队列中研究了将多癌种血液检测与PET-CT相结合的可行性。Chung及其同事在ECLIPSE中评估了一种用于结直肠癌筛查的游离DNA血液检测。这些设计以不同方式考察区分能力、实施过程和筛查准确性。如果不保留人群、癌症谱及验证程序的背景，就不能依据单一的醒目灵敏度指标对它们排序。 [1], [2], [3]

患病率改变准确性的含义

灵敏度以患病为条件，特异度以未患病为条件。读者通常希望了解的是反向条件概率，即检测阳性后患病的概率。贝叶斯定理通过患病率将二者联系起来。即使假阳性率很低，在罕见疾病筛查中，假阳性也可能占据主导，因为未患病人群要大得多。较高的受试者工作特征曲线下面积既不能消除这一算术关系，也不能决定适当的判定阈值。

可检出的疾病谱至关重要

晚期疾病比例偏高的研究可能高估与早期筛查相关的灵敏度。肿瘤负荷、肿瘤成分释放、解剖位置和生物学亚型均可能改变检测可获得的信号。按分期报告有助于理解这些差异，但不能消除样本采集或病例确认方式的差别。在诊断检查之前进行前瞻性采样具有价值，因为这减少了病例选择塑造表观性能的机会。

验证可能引入隐性偏倚

如果只有检测阳性者接受能够明确诊断的随访，部分假阴性便会始终未知。如果不同组的随访强度不同，表观准确性就部分反映了验证过程。研究必须说明如何在检测阳性者和阴性者中确定疾病状态，以及如何计入间期癌。在不展示结局的情况下排除未明确诊断的病例，可能改善所报告的指标，却使筛查路径更难解释。

更早检出并不证明寿命更长

提前诊断所带来的领先时间可以延长从诊断起算的生存期，却不推迟死亡。过度诊断可能增加一些在个人一生中本不会引起症状的癌症。这些机制意味着，检出率和诊断后生存不足以替代人群获益。获益主张需要能够处理这些替代解释的终点和研究设计，并在有意义的时间跨度内评估伤害与竞争风险。

多癌种检测带来诊断分流问题

多癌种检测不能仅仅标记异常样本。错误的组织来源预测可能引发一连串无法得出结论的检查。合并各癌种的灵敏度还需要明确人群中的癌种构成。即使检测的每项条件性特征均保持不变，目标人群变化时，加权平均值也可能变化。诊断分流准确性、未明确诊断的阳性结果以及至诊断问题解决的时间，都应与常规检测指标并列呈现。

有用的比较保留完整分母

未来的评估应计入进入路径的每个人，涵盖邀请、参与、有效检测、阳性结果、完成的诊断检查、诊断及后续结局。脱落并非仅仅是文书缺失，它可能与风险和医疗可及性相关。决策分析应区分资源使用与健康结局，并明确说明其假设。本综述不推荐个人采取某种筛查选择，也不声称构建的预测值计算能够确立临床效用。

预期用途决定相关对照组

由已知癌症病例和健康志愿者组成的诊断研究，估计的是不同于在疾病被识别之前检测人群的运行条件。有症状的对照者、良性疾病以及预期年龄分布都可能改变评分分布。拟议评估应明确检测用于分诊、人群筛查还是复发监测，并在独立队列揭盲前固定阈值。阳性检测数应与后续检查的数量及其后果联系起来。仅凭已知病例中的平均灵敏度，无法确立检测在无症状人群中具有有用的早期检出能力。

结局获益需要独立的因果桥梁

检测可能提前诊断日期却不延长寿命，也可能检出在随访期间本不会造成伤害的病变。本综述的预测值计算并未处理这两个问题。临床获益主张需要一种能够在明确规定的诊断和治疗路径下比较有意义结局的设计。分期分布可以作为中间信号，但不等同于死亡率降低或生活质量改善。证据链应将分析层面的检出、临床区分能力和结局获益保留为不同命题。分析性能良好的检测可以为进一步评估提供依据，而不必已经满足最后一个命题。

可接受检验和质疑的模型

以下四个方程构成一个简洁的分析模型，而非对所有引用论文的联合拟合。其解释如下。p表示特定人群中的患病率，Se表示灵敏度，Sp表示特异度；PPV以阳性结果为条件。在共同的条件性检测性能和所有人完成检测的假设下，计算N名筛查者中的预期阳性数。预期假阴性数的公式并不模拟本次筛查之后新发生的疾病。如果每个阳性结果平均引发w项后续操作，则W只是工作量的期望值，而非伤害或获益的估计值。

观测目标是阳性预测值和完成的诊断路径。该模型有意单独考察一个易于分析的机制，旨在揭示哪些测量能够将这一机制与替代解释区分开来。图中的参数值已明确声明为示例性输入。这些数值生成的曲线是数学推论，而非对某种未测量的生物学或物理量的估计。

具有区分能力的验证设计

主要比较应检验预先规定的判定阈值下的性能与后续负担。独立重复的单位是筛查参与者；对同一单位重复读数能够提高精密度，但不会产生独立重复。严格的验证应在选择阈值或拟合干扰参数校正之前，留出一个前瞻性入组的筛查人群。尤其需要测量疾病谱和不完全验证，限制其范围，或在敏感性分析中改变它们。应同时报告主要估计值，以及放宽该假设时估计值如何变化。只有在选择最有利的排除规则后才表现成功的模型，与按照锁定规则进行评估的模型，回答的是不同问题。

数值分析实例

在一个规模为100,000的示例人群中，若患病率为0.5%、灵敏度为80%、特异度为99%，则预期真阳性数为400，假阳性数为995。PPV约为28.7%。在其他假设保持不变的情况下，将特异度提高到99.9%，可得到99.5个预期假阳性，PPV约为80.1%。非整数的预期计数是合理的人群平均值，并非字面意义上的部分个人。图中改变的是患病率与特异度；这些数值均未被归属于所引用的任何检测。

这些计算可通过配套Python文件及其参数表重建。坐标轴标签保留了模型的单位，图注区分了变化的量与固定的量。选择这些数值示例是为了揭示依赖关系，而非复刻已发表图形的外观。一种有用的独立核查方法是先评估极限情形，再不借助绘图代码重新计算一个中间点。结果一致可验证所声明模型内部的算术计算，却不能证明自然界遵循该模型。

证据、迁移与后续步骤

结论的适用范围受到疾病谱和不完全验证的限制。迁移至前瞻性入组的筛查人群，需要超出拟合原始观测之外的证据。未来的重复研究应保留原始测量、校准记录、排除记录，以及每项结果与相应分析之间的机器可读链接。下方证据表明确了每项选定原始研究的贡献。该比较是一项聚焦的叙述性综合，而非系统综述，也不声称已经调查所有后续证据。拟议研究并未在本文中实施。其价值在于，阴性结果会约束一种明确的解释，而不仅仅是降低基准评分。

明确声明的分析模型

四个方程，明确的假设

构建的示例 · 可复现数据

检查定量论证

这些曲线由已声明的模型计算而来，并非所引用研究中的观测结果。每幅图均附有数值数据和矢量版本。

下载CSV下载SVG源文件使用Python复现

下载CSV下载SVG源文件使用Python复现

哪些证据回答哪些问题？

拟议验证方案

这是一项拟议评估设计。本文未开展新的生物学实验、临床试验或物理实验。

1. 在拟合前明确阳性预测值和完成的诊断路径。
2. 为每位筛查参与者保留独立标识符。
3. 将前瞻性入组的筛查人群与模型开发分离。
4. 测量疾病谱和不完全验证，或界定其范围。
5. 记录单位、校准和观测算子。
6. 将主要模型与明确命名的竞争性解释进行比较。
7. 预先规定检验内容：预先规定的判定阈值下的性能与后续负担。
8. 归档原始数据、排除记录、参数文件和可执行分析。

一手来源确立了什么

本分析的局限

• 病例对照研究中的性能不能确立人群获益。
• 可行性不能证明癌症死亡率降低。
• 单轮准确性研究的疾病与随访范围有限。
• 配套图表是构建的分析示例，而非新的实验结果。
• 本综述尚未证明可迁移至前瞻性入组的筛查人群。

这是一项针对所列原始研究的聚焦叙述性分析，而非系统性文献检索，也不声称全面覆盖截至2026年的研究。

可能改变结论的问题

1. 哪些终点能够区分检出与有意义的临床获益？
2. 未能明确诊断的检查如何改变人群净价值？
3. 哪些抽样设计能够揭示依赖分期的病例确认偏倚？

参考文献

1. Joshua D. Cohen, Lu Li, Yuxuan Wang et al.. Detection and localization of surgically resectable cancers with a multi-analyte blood test. Science (2018). 10.1126/science.aar3247.
2. Anne Marie Lennon, Adam H. Buchanan, Isaac Kinde et al.. Feasibility of blood testing combined with PET-CT to screen for cancer and guide intervention. Science (2020). 10.1126/science.abb9601.
3. Daniel C. Chung, Darrell M. Gray, Harminder Singh et al.. A Cell-free DNA Blood-Based Test for Colorectal Cancer Screening. New England Journal of Medicine (2024). 10.1056/nejmoa2304714.

书目身份信息已与Crossref核对。解释基于可获取的原始记录、摘要和选定文本；对全文和补充方法的覆盖并不穷尽。

作者与来源

基于来源资料的研究综述及原创数学分析由Codex（AI）撰写。所引用实验归属于相应研究团队。

概念封面使用内置ImageGen工具创建。定量图表是明确构建的分析，附有代码和数值数据；并非所引用论文中的测量结果。

本地草稿没有独立同行评审或期刊录用记录。