一项基于1259份血清样本的诊断研究，用蛋白质组+机器学习开发出乳腺癌早筛分类器：在独立验证队列中，灵敏度达92.6%、特异性92.3%、AUC达0.975。模拟显示，它能检出约93%被钼靶（乳腺X线摄影）漏掉的乳腺癌，且假阳性比较乳腺MRI（磁共振成像）和增强钼靶低10倍以上。

如果你担心钼靶对致密型乳腺检测受限、或钼靶漏检，这项”抽血测蛋白质”的检测有望成为钼靶后的补充手段。但它目前是实验室开发检测（LDT），尚未作为常规筛查进入临床，也不能替代钼靶筛查。是否采用，需等待监管批准和更大规模验证。

钼靶不是万能的，漏检的乳腺癌去哪了？

提到乳腺癌筛查，第一反应是钼靶。但钼靶对乳腺致密的女性，检出能力有限，漏检并不罕见。一项新研究想把”漏网之鱼”捞回来：用一管血，通过分析血液里的蛋白质组，配合机器学习，来识别早期乳腺癌。验证结果显示，这套方法灵敏度达到92.6%，还能补上钼靶漏掉的一大部分。

你查过钼靶，但可能没想过”漏检”这件事

你平时是不是觉得，只要定期做钼靶就高枕无忧了？但事实是，乳腺致密的女性，钼靶可能看不清病灶。研究者提出一个思路：抽血查蛋白质，作为钼靶的后端补充。对致密乳腺、或钼靶结果”模棱两可”的人来说，这可能是降低漏检率的一条新路。

一管血，怎么”看出”乳腺癌？

1259份样本，训练加独立验证：研究用生物样本库里的1259份血浆样本，其中包含健康女性和乳腺癌患者。845名女性用于训练分类器（其中466名健康、379名新诊断且未治疗的患者），再用397名女性（195名健康、202名患者）作为独立验证队列，样本均以自动、盲法方式处理，用无标记质谱法分析蛋白质。

92.6%灵敏度，92.3%特异性：在独立验证队列中，分类器灵敏度92.6%（187/202）、特异性92.3%（180/195），AUC（曲线下面积，越接近1越好）达0.975。而且在不同分期和病理、分子亚型下，灵敏度都保持较高。

补钼靶漏检，假阳性大幅下降：关键在落地价值：模拟人群中，这套检测能检出约93%被钼靶漏掉的乳腺癌；同时，它的假阳性比较乳腺MRI和增强钼靶（CEM，对比增强乳腺X线摄影）单独使用时的假阳性低了10倍以上。这意味着，它可能减少不必要的活检和过度检查。

灵敏度92.6% → 特异性92.3% → AUC 0.975 → 检出钼靶漏检的93% → 假阳性比MRI/CEM低10倍以上。从一管血到一份报告，蛋白质组+AI在补漏和降噪两端的表现都相当亮眼。

核心总结

1 第一，蛋白质组+AI能查出92.6%的乳腺癌，这是独立验证队列的成绩。

2 第二，它补的是钼靶的”漏”，能找出约93%被钼靶漏掉的癌症，还能大幅减少假阳性。

3 第三，这是诊断开发验证，尚未成为临床常规筛查，目前定位是钼靶后的”补充选手”，而非替代方案。

① 单中心样本：样本来自同一生物样本库队列，需在多样化的外部人群验证。
② 部分亚型样本小：某些病理和分子亚型样本量较小，结论需谨慎。
③ 未前瞻性验证：模拟人群的”补漏”效果，需真实前瞻性筛查研究证实。
④ 尚未获批：作为实验室开发检测（LDT），临床应用和监管审查仍在路上。

参考资料：Horrmann A, et al. Development and Validation of a Machine-Learning Deep Plasma Proteome Classifier for Early-Stage Breast Cancer Detection. Breast Cancer: Targets and Therapy（2026）. https://doi.org/10.2147/BCTT.S609238