IT之家 11 月 14 日消息，据中国科学院理化技术研究所消息，静脉血栓栓塞症（VTE）是癌症患者致命的并发症。由于临床缺乏准确和有效的 VTE 风险评估方法，VTE 的漏诊常常造成医疗干预的延迟甚至患者的死亡。研究表明，细胞外泌体（EVs）通过表面携带的组织因子，启动外源性凝血反应，致使血液的高凝状态甚至促进 VTE 的形成。有研究初步探讨了血浆 EVs 的促凝能力，但如何用于临床 VTE 风险预测仍面临挑战。

近期，中国科学院理化技术研究所研究员王树涛、孟靖昕团队，联合首都医科大学附属北京友谊医院教授张澍田，发展了一种可检测血浆 EVs 凝血风险的条形码（PEVB），为临床癌症患者 VTE 风险预判提供了有效技术。该技术具有三个特点：

科研人员使用 PEVB 对来自 8 种癌症的 167 名患者进行检测，并采用机器学习将条带分数与 D-二聚体筛查和其他常规临床信息整合。该技术通过筛选合适的机器学习模型，实现了对 VTE 的精准预测，AUC 为 0.993，检测特异性 97.1%，灵敏度 96.8%，准确率 97.0%，显著优于目前临床上常用 VTE 风险预测工具（例如，D-二聚体筛查，特异性 44.8%，灵敏度 90.3%，准确率 53.2%）。

因此，基于条形码与检测技术可直观、快速、便捷的评估 VTE 风险，在癌症患者 VTE 风险精准预测方面展现出潜力。

相关研究成果以 Machine-Learning-Assisted Procoagulant Extracellular Vesicle Barcode Assay toward High-Performance Evaluation of Thrombosis-Induced Death Risk in Cancer Patients 为题，发表在《美国化学学会-纳米》（ACS Nano）上。研究工作得到国家自然科学基金和中国科学院国际伙伴计划等的支持。

IT之家附论文链接：https://pubs.acs.org/doi/epdf/10.1021/acsnano.3c04615

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。