静脉血栓栓塞症（VTE）是癌症患者丧命的并发症。因为临床缺少精确和有用的VTE危险评价办法，VTE的漏诊常常构成医疗干涉的推迟乃至患者的逝世。研讨标明，细胞外泌体（EVs）经过外表带着的安排因子，发动外源性凝血反响，致使血液的高凝状况乃至促进VTE的构成。有研讨开始探讨了血浆EVs的促凝才能，但怎么用于临床VTE危险猜测仍面对应战。

　　近期，中国科学院理化技能研讨所研讨员王树涛、孟靖昕团队，联合首都医科大学隶属北京友谊医院教授张澍田，开展了一种可检测血浆EVs凝血危险的条形码（PEVB），为临床癌症患者VTE危险预判供给了有用技能。该技能具有三个特色：运用二氧化钛纳米花快速捕获血浆样品的EVs；经过可视化的EVs介导凝血反响（阳性条带数量）来原位地检测EVs促凝才能；机器学习辅佐的临床数据剖析以做精确的VTE危险评价。科研人员运用PEVB对来自8种癌症的167名患者进行细心的检测，并选用机器学习将条带分数与D-二聚体筛查和其他惯例临床信息整合。该技能经过挑选适宜的机器学习模型，完成了对VTE的精准猜测，AUC为0.993，检测特异性97.1%，灵敏度96.8%，精确率97.0%，明显优于现在临床上常用VTE危险猜测东西（例如，D-二聚体筛查，特异性44.8%，灵敏度90.3%，精确率53.2%）。因而，根据条形码与检测技能可直观、快速、快捷的评价VTE危险，在癌症患者VTE危险精准猜测方面展现出潜力。