Cancer Research
肿瘤生长动力学揭示早期发病癌症风险变化

小赛推荐：

该研究提出了一种新的多阶段克隆扩增模型（MSCE-T），通过纳入肿瘤诊断大小数据，有效区分早期癌症发病率上升是由于检测改善还是真实风险增加。模型验证显示其在结构可识别性和参数估计方面优于经典模型，为理解早期癌症动力学提供了新方法。

 

文献概述
本文《Modeling Early-Onset Cancer Kinetics Reveals Changes in Underlying Risk and the Impact of Population Screening》，发表于Cancer Research杂志，回顾并总结了近年来早期癌症（确诊年龄小于50岁）发病率上升的现象，并探讨这一趋势是源于诊断技术进步还是真实风险增加。研究基于经典的多阶段克隆扩增模型（MSCE）进行了扩展，引入了肿瘤大小作为诊断标准，从而能够区分检测改善导致的发病率上升与真实风险上升，同时验证了筛查政策对乳腺癌和结直肠癌的影响。

背景知识
癌症是全球范围内的主要致死疾病之一，早期癌症的发病率自1990年以来显著上升。乳腺癌、结直肠癌和甲状腺癌的发病率增长尤为明显，这可能与筛查政策的调整和医学成像技术的普及有关。经典MSCE模型通常假设在第一恶性细胞出现时即被诊断，但现实情况中，诊断时间可能因检测技术进步而提前。本研究引入MSCE-T模型，明确考虑了诊断时的肿瘤大小，提高了模型的可识别性与参数估计能力，使模型能够更准确地反映癌症风险变化，并评估筛查政策的有效性。此外，模型还允许不同癌症类型的参数调整，为研究癌症异质性提供了更灵活的框架。

 

提供多种组织特异性转基因小鼠模型，适用于研究基因在特定组织或器官发育中的作用，支持药物筛选、药效评估和毒性测试。

了解更多

 

研究方法与实验
研究团队扩展了经典的多阶段克隆扩增（MSCE）模型，引入了肿瘤大小作为诊断标准，以区分由于检测改善导致的发病率上升和真实风险上升。MSCE-T模型在肿瘤大小数据的基础上，通过线性外推法估计了诊断时的肿瘤细胞数量，同时结合SEER数据库的发病率数据和NHANES的月经初潮年龄数据，进行参数估计和模型验证。模型的可识别性通过合成数据测试进行评估，并使用Hybrid Genetic Algorithm（HGA）优化参数估计。

关键结论与观点

• MSCE-T模型在结构可识别性和参数估计方面优于经典MSCE模型，能够更准确地反映早期癌症发病率的变化。
• 分析显示，近年来出生队列的乳腺癌、结直肠癌和甲状腺癌患者在诊断时的肿瘤生长速度加快，且平均停留时间（从第一恶性细胞出现到癌症确诊的时间）缩短，这表明癌症的真实风险在增加，而非单纯由检测技术进步导致。
• 模型验证表明，对于甲状腺癌，即便在没有大规模筛查的背景下，其发病率增长仍主要归因于肿瘤生长动力学的变化，而非检测偏倚。
• 通过反事实分析，研究发现结直肠癌筛查有效降低了发病率，而乳腺癌筛查则在一定程度上提前了诊断时间，但筛查未覆盖的年龄段发病率仍显著上升，表明真实风险增加。

研究意义与展望
本研究通过整合肿瘤大小数据，为早期癌症动力学建模提供了新的视角，并验证了筛查政策对癌症发病率的影响。未来可进一步探索基因突变顺序与癌症风险增加之间的关系，以及如何利用该模型优化筛查策略以减少癌症死亡率。

 

提供多种肿瘤细胞系和动物模型构建服务，支持肿瘤学研究、转移机制探索及药物敏感性评估。

了解更多

 

结语
本研究通过引入肿瘤大小数据至MSCE模型，成功区分了早期癌症发病率上升的‘表观’和‘真实’因素。MSCE-T模型不仅提高了参数估计的准确性，还揭示了近年来早期乳腺癌、结直肠癌和甲状腺癌的肿瘤生长速度加快趋势，表明这些癌症的真实风险在上升。此外，该模型可用于评估筛查政策的效果，发现结直肠癌筛查显著降低了发病率，而乳腺癌筛查在推荐年龄以上有效，但在推荐年龄以下仍存在真实风险增加。这些发现对癌症预防和筛查策略的优化具有重要指导意义，为理解癌症动力学提供了新的分析工具，并可能推动更精准的个体化筛查与干预措施的制定。

 

Navid Mohammad Mirzaei, Chin Hur, Mary Beth Terry, Piero Dalerba, and Wan Yang. Modeling Early-Onset Cancer Kinetics Reveals Changes in Underlying Risk and the Impact of Population Screening. Cancer research.