甲状腺结节在人群中普遍存在，但其中一个长期困扰临床医生的难题，便是如何精准区分滤泡状甲状腺腺瘤（FTA）与滤泡状甲状腺癌（FTC）。这两种肿瘤在病理组织学上极为相似，仅凭术后组织切片中是否存在包膜或血管侵犯才能最终确诊。这意味着，在手术前，基于细胞学或影像学的诊断几乎无法实现，患者往往需要经历不必要的手术风险和资源浪费。然而，精准的诊断是制定个性化治疗方案，包括选择合适的靶向药和抗癌药的关键第一步。
诊断挑战：基因层面难以区分的甲状腺滤泡肿瘤
为了攻克这一诊断瓶颈，西湖大学郭天南教授团队联合多方力量，开展了一项大规模、多中心的临床研究。他们收集了来自中国和新加坡24家医疗中心的1568名患者、共计2443份甲状腺样本，进行了系统性分析。研究初期，团队尝试通过基因测序来寻找突破口，对609例样本进行了66基因panel测序。结果发现，尽管滤泡状甲状腺癌（FTC）与滤泡状甲状腺腺瘤（FTA）在患者人群水平上，如TERT、NRAS等基因的突变频率略有差异，但整体突变谱结构相似，且缺乏特异性基因可作为明确的鉴别诊断标志。基于基因的分类器仅获得了0.670的AUROC（受试者工作特征曲线下面积），这表明单靠基因层面的分析，不足以实现对这两种高度相似肿瘤的准确区分。
蛋白质组学：精准诊断的新突破
面对基因诊断的局限性，研究团队将目光转向了蛋白质组学。通过先进的TMT定量策略，他们成功鉴定并量化了超过10,000种蛋白质，并从中筛选出187个差异表达蛋白（DEPs）。更重要的是，研究人员利用机器学习算法，特别是XGBoost模型，从这些差异蛋白中精选出24个具有高区分力的蛋白，构建了一个革命性的蛋白分类器。该模型在训练集中的AUROC高达0.899，在独立测试集中更是达到了0.953，其诊断性能显著优于传统的基因模型。这一发现强调了蛋白质组学数据在甲状腺滤泡肿瘤分类中的主导作用，为精准诊断开辟了新途径。
临床转化与未来展望：减少手术，优化治疗
为了确保研究成果能够真正应用于临床，团队进一步采用了靶向蛋白质谱检测技术（PRM）对候选蛋白进行精准定量。这项技术不仅成本更低，临床可及性也更高。在多个独立的回顾性组织样本和前瞻性FNA活检样本中，该模型均表现出稳健的诊断性能（AUROC分别为0.871、0.853和0.781）。尤其值得一提的是，在前瞻性FNA组中，该模型的阴性预测值高达95.7%，这意味着它具有良好的“排除恶性”效能，能够有效帮助医生判断哪些患者无需立即手术，从而显著减少不必要的侵入性操作，降低患者的风险和负担。
这项研究不仅为甲状腺结节的精准诊疗提供了全新的工具，也展示了蛋白质组学在疾病分类和生物标志物开发中的巨大潜力。精准的诊断是制定个性化治疗方案的关键第一步。对于确诊的癌症患者，如何获取最适合的靶向药或抗癌药往往是他们面临的又一挑战。现在，患者可以通过AI问诊服务，获得初步的专业建议，并进一步了解海外靶向药代购的便捷途径。无论是寻找最新的创新药物，还是更经济的仿制药，专业的代购平台都能为患者提供可靠的购药服务，帮助他们及时获得所需的治疗。
图1
图2
图3
图4
图5
图6
总而言之，这项研究通过整合深度蛋白质组学和靶向蛋白组学，并结合机器学习方法，成功构建了一个高效、可推广的蛋白质分类器，首次实现了对滤泡状甲状腺腺瘤与滤泡状甲状腺癌的高精度鉴别诊断。这不仅为甲状腺滤泡肿瘤的精准诊疗提供了革命性工具，也展示了蛋白质组学在疾病分类与生物标志物开发中的广阔前景。未来，该策略有望拓展至其他组织病理分型难题，为临床病理诊断提供更科学、精准的解决方案，最终惠及更多需要靶向药和抗癌药治疗的患者。
