导语
术前精准评估颅内肿瘤的良恶性，是神经外科临床决策中长期面临的关键难题。当前，颅内肿瘤良恶性判断仍主要依赖手术切除或活检后的组织病理学结果。然而，有创取材不仅伴随出血、感染及神经功能损伤等风险，对于深部、功能区或手术高风险病灶，病理组织获取更具挑战，可能造成诊断延迟，并影响手术规划、治疗策略制定及患者预后管理。
针对上述临床痛点，首都医科大学宣武医院赵国光教授、肖新如教授、程也教授团队与世和基因合作开展DECIPHER-CNS研究，依托世和MERCURY多组学液体活检技术，创新性地构建了胶质瘤与脑膜瘤术前无创良恶性鉴别模型，为神经外科精准术前决策提供了新工具。相关研究成果已于近日发表在国际权威期刊Genes & Diseases（IF=14.6）。
研究亮点
1、多中心大样本验证：研究前瞻性纳入两个中心的390例样本，并在训练集、内部验证集及独立验证集中进行系统评估，模型能有效反映肿瘤的生物学侵袭性特征，结果具有高度可重复性与普适性。
2、首创多维度集成模型：创新融合片段大小分布（FSR）、拷贝数变异（CNV）及基于表观遗传学的核小体定位信息（Griffin）三种片段组学特征，采用堆叠集成策略进行建模，显著提升中枢神经系统肿瘤的良恶性判别能力。
3、突破低ctDNA含量检测瓶颈：针对脑部肿瘤ctDNA入血量较低的临床痛点，依托世和MERCURY多组学液体活检技术，模型展现出极高的敏感性（最高达95%），为临床提供了一个极具价值的无创筛查工具。
研究设计
研究纳入了两个中心共计390例患者血浆样本，构建了训练集、内部验证集和独立验证集三大队列（图1A）。通过对血浆cfDNA进行低深度全基因组测序，系统提取FSR、CNV及Griffin三种片段组学特征。团队进一步整合GLM、GBM、XGBoost、XRT及深度学习等多种算法，构建H2O堆叠集成学习模型，实现颅内肿瘤良恶性术前无创判别（图1B）。
图1. 研究队列构建、多组学特征整合与模型开发流程图
研究结果
集成模型显著优于单一特征模型
集成模型在训练集、验证集和独立验证集中均表现出稳定的判别能力，AUC分别达到0.908、0.895和0.880（图2A-C），优于单一片段组学特征模型。模型预测评分可显著区分良性与恶性肿瘤（均p < 0.001）（图2D–F），并在三组队列中保持较高敏感性（95.74%、93.55%、91.11%）（图2G-I），提示其有望作为术前无创筛查、风险分层和个体化手术决策的辅助工具。
图2. 集成模型在训练集、内部验证集及独立验证集中的性能表现
模型评分与肿瘤生物学特征高度相关
进一步分析发现，模型评分与肿瘤的恶性程度显著相关。胶质瘤评分显著高于脑膜瘤（p = 0.033）；WHO分级越高，模型评分也显著更高（p = 0.026）；Ki-67增殖指数≥10%的患者在所有队列中均表现出更高的评分（p 值分别为 0.011、0.013、0.019），表明模型能有效反映肿瘤的增殖活性和侵袭性（图3A-C）。在不同肿瘤大小分层中模型也具有极强的区分能力（图3D），即便在小病灶（≤3cm）亚组中，AUC仍达到0.804（图3E），展示了模型在早期体积较小肿瘤中的潜在价值。
图3. 模型评分与肿瘤侵袭性临床指标的相关性
亚组分析显示模型在脑膜瘤亚群中仍维持稳健表现
为排除组织来源的偏倚，研究单独分析了脑膜瘤亚组。模型在脑膜瘤中同样维持了稳定的判别性能，训练集、内部验证集和外部独立验证集的AUC分别为 0.887、0.912和0.917，证实模型可独立于组织学类型去鉴别肿瘤的良恶性，提示这一模型对不同肿瘤类型具有良好泛化能力。
图4. 集成模型在脑膜瘤患者亚组中的性能验证
联合肿瘤大小的多模态融合模型可以显著提升模型的性能
将肿瘤大小与片段组学集成模型整合后，模型分类性能进一步提升，联合模型的AUC可提升至0.909（图5），展现了多模态数据融合可显著提升鉴别诊断能力。
图5. 多模态融合进一步提升模型的性能
结语
DECIPHER-CNS研究首次将世和MERCURY多组学液体活检技术应用于中枢神经系统肿瘤早筛领域，通过深度挖掘血浆cfDNA片段组学特征，为胶质瘤与脑膜瘤的良恶性鉴别构建了一个稳健且具备生物学解释力的无创诊断模型。研究成果为中枢神经系统肿瘤的术前无创分类提供了有力支持，可作为现有诊疗手段的重要补充，助力优化现有临床诊断路径、减少不必要的有创活检，具有重要的临床转化价值。
专家简介
赵国光 教授
首都医科大学宣武医院
主任医师、二级教授、北京学者、博士研究生导师
首都医科大学宣武医院院长
国家神经疾病医学中心主任
国家卫健委脑损伤评价与质控中心主任
首都医科大学宣武医院神经外科功能神经外科中心主任
以通讯作者身份在Lancet Public Health、Nat. Commun.、Alzheimers. Dement.、Sci. Bull.、Mol. Psychiatry 等专业期刊发表论文80余篇
主持“科技创新2030--脑科学与类脑研究”重大项目及其他国家级重点攻关计划4项
以第一完成人身份获得中华医学科技奖一等奖、北京市科技进步奖一等奖、北京市高等学校教学名师、首届脑机接口大会“卓越学者奖”等重要奖项
肖新如 教授
首都医科大学宣武医院
神经外科主任医师、博士、教授
宣武医院神经外科颅底&脑肿瘤中心主任
中国解剖学会神经解剖学分会主任委员
欧美医学会颅底外科分会 副主任委员&秘书长
欧美医学会 理事
中国医药教育协会神经内镜与微创医学专业委员会常委
国家卫健委继教神经外科分会颅底外科学组委员
“国之名医”获得者
发表包括Journal of Neurosurgery等杂志论文10余篇
主持国自然面上、北自然重点项目等课题4项
授权发明专利3项
程也 教授
首都医科大学宣武医院
神经外科 副主任医师 副教授 研究生导师
宣武医院神经外科第一党支部副书记
国家神经疾病医学中心（宣武）医学部秘书
中国颅内转移瘤协作组（CLAIM）秘书长
国家卫健委继教神经外科分会青委会委员兼秘书
中国医师协会脑胶质瘤青年科学家
国家卫健委神经外科诊疗能力大赛全国一等奖
美国AANS\CNS神经肿瘤奖
主持国自然面上项目、青年基金、北自然重点项目、北京市科技新星等
以第一、通讯作者发表SCI文章30余篇，总IF=150余分，总引用超1200次，代表作在Research, BMC medicine, EJNMMI, Genes and Diseases等期刊发表
授权国家发明专利2项（第一发明人）
参考文献
Cheng, Ye, et al. "Non-invasive malignancy assessment of glioma and meningioma via a cfDNA fragmentomics-based ensemble model." Genes & Diseases (2026): 102197.
