摘要目的 利用随机森林算法建立并验证基于共济失调毛细血管扩张突变(ataxia telangiectasia mutated,ATM)基因甲基化和临床检验指标的胰腺癌联合诊断模型,为胰腺癌的早期诊断提供新途径.方法 回顾性收集 118 例胰腺癌患者(胰腺癌组)和 73 例健康对照者(健康对照组)的外周血单个核细胞(peripheral blood mononuclear cells,PBMCs)标本以及临床检验指标检测结果,分为发现集、训练集和验证集.在发现集中,利用 935K甲基化芯片对两组的PBMCs样本进行差异甲基化位点(differentially methylated points,DMPs)分析.在训练集和验证集样本中,采用焦磷酸测序对候选DMP进行验证.在训练集中,利用随机森林算法进行变量筛选并构建联合诊断模型,并采用受试者工作特征(receiver operating characteristic,ROC)曲线在验证集中评价模型在胰腺癌各期以及在糖类抗原 19-9(carbohydrate antigen 19-9,CA19-9)阴性患者中的诊断效能.结果 甲基化芯片结果显示,以|Δβ|≥0.1,且P<0.01 的筛选条件,获得 132 个DMPs,其中ATM基因DMP的甲基化水平在胰腺癌组的PBMCs中显著高表达,且能够区分胰腺癌组和健康对照组(AUC=0.871,P<0.001).焦磷酸测序结果进一步表明,胰腺癌组PBMCs的ATM基因 DMP 呈高甲基化水平.基于随机森林算法的变量筛选获得 3 个变量 ATM 基因 DMP、CA19-9和白蛋白(albumin,ALB),在训练集和验证集中,CA19-9 表达水平在胰腺癌组中显著升高(P<0.001),ALB表达水平明显降低(P<0.001).以上述 3 个变量水平为特征,训练集中通过随机森林构建的联合诊断模型("AmCA")对胰腺癌诊断效能的曲线下面积(area under the curve,AUC)为 0.992(95%CI:0.952～1.000).验证集中模型对胰腺癌诊断效能的AUC为0.982(95%CI:0.895～1.000),优于单独CA19-9的AUC值[0.840(95%CI:0.705～0.930)];模型对早期胰腺癌诊断效能良好,Ⅰ期和Ⅱ期胰腺癌诊断效能的 AUC 分别为1.000(95%CI:0.863～1.000)和 0.979(95%CI:0.840～1.000).模型对CA19-9 阴性胰腺癌患者诊断效能的AUC为 0.751(95%CI:0.639～0.843),敏感度为 52.2%,特异度为 98.1%.结论 ATM基因在胰腺癌患者的PBMCs中呈高甲基化水平,以ATM基因高甲基化、高CA19-9和低ALB水平为特征,借助随机森林算法构建的联合诊断模型在胰腺癌的早期诊断中具有重要临床价值,并能够弥补常规标志物CA19-9诊断性能不足.