DeepTrace肝癌检测模型

早期灵敏度93.6%

基于无末端修复酶甲基化测序（NEEM-seq）和预训练神经网络的读段级检测模型，实现对肝细胞癌的高精度早期诊断。

Deng, Zhenzhong · Yongkun, Ji · 韩冰 · 谭忠明 · Yuqi, Ren · Jinghan, Gao · Nan, Chen · Cong, Ma · Zhang, Yichi · Yao, Yunhai · Hong, Lu · Heqing, Huang · Xu, Midie · Chen, Lei · Leizhen, Zheng · 顾建春 · 熊德意 · Jian-Xin, Zhao · Gu, Jinyang · 陈祖涛 · 王科

Genome Medicine 2023

参数信息

灵敏度

93.6 %

特异性

98.5 %

准确率

96.2 %

早期肝癌灵敏度（BCLC 0/A）

89.6 %

早期肝癌灵敏度（TNM I）

89.5 %

技术优势

低损伤高保真测序

NEEM-seq避免传统酶学方法引入的非甲基化错误，从而获得更真实的cfDNA甲基化模式。

早期肝癌检出率高

在BCLC 0/A和TNM I期灵敏度分别达89.6%和89.5%，远高于AFP，有助于早期诊断。

读段级精准区分

通过预训练和微调的神经网络，DeepTrace能更好地识别肝癌来源的测序读段。

应用场景

• 肝癌早筛：在早期阶段即能高灵敏检出肝癌，实现早诊早治。
• 液体活检：基于cfDNA甲基化的无创检测，避免组织活检风险。
• 医学人工智能：预训练神经网络模型提高读段级分类准确性。
• 临床诊断：高灵敏度和特异性满足临床肝癌诊断需求。