摘要："AI预测cfDNA得率与片段完整性"目前处于论文验证为主、早期商用萌芽、规模化产品缺位的阶段。片段完整性一侧已形成可复用的AI方法学：公开研究中，整合cfDNA甲基化与片段大小谱的深度学习模型在肺癌诊断中达到AUC 0.87（142例肺癌+56例健康对照验证）[2]；南京医科大学团队的多癌早检（MCED）模型在1,465人独立验证集上实现敏感性87.4%、特异性97.8%（覆盖13癌种，2025年5月《Nature Medicine》）[3]；开源侧已有PEdictor等MIT协议的片段组学机器学习全流程（片段长度分布、末端基序、K-mer特征+堆叠分类器）可直接复用[4]。得率预测一侧则明显薄弱：公开证据表明cfDNA得率主要由采血管类型、采样至血浆分离时间等临床前因素决定（23名个体649份血浆样本的系统评估）[1]，业界解法以流程标准化与规则化质控为主，尚未见可商用的得率预测AI产品（本期公开信息不足）。商用形态方面，国内世和基因2026年6月发布"序语Fragmentia-AI"液体活检DNA大语言模型（自媒体与厂商宣称口径，未获同行评议公开数据佐证）[6]，海外CD Genomics等提供含DELFI评分、ichorCNA等机器学习输出的cfDNA片段组学外包分析服务（6–10周交付，科研用）[5]。对分子实验室的现实启示：短期可落地的是把片段完整性QC指标（众数片段大小~167 bp、ΔS150、末端基序多样性）嵌入自建LIMS流程，得率管理应优先投资流程标准化而非AI。
| 场景 | 预测目标 | 成熟度 | 代表证据 |
|---|---|---|---|
| 片段完整性/片段组学判读（肿瘤检测、组织溯源） | 从片段大小分布、末端基序、核小体足迹等特征判别疾病信号与组织来源 | 论文验证充分，早期商用 | 肺癌诊断深度学习模型AUC 0.87[2]；MCED模型独立验证敏感性87.4%/特异性97.8%[3]；CD Genomics外包服务已商用[5] |
| cfDNA得率预测（提取前预判） | 由样本信息（采血管、放置时间、溶血等）预判提取得率 | 未规模化，公开信息不足 | 系统研究证实得率由临床前因素决定[1]；未见商业化预测产品（本报告检索范围内未确认） |
| 质控阈值自动判读（投入量、片段众数、比对率） | 文库是否可进入下游的自动化QC判定 | 早期商用（嵌入分析服务/LIMS） | 商用报告含投入量≥5 ng、众数片段~167 bp等QC阈值与ML整合评分[5] |
| 大模型驱动的液体活检平台 | 突变+片段组学双维度信号、肿瘤负荷评估 | 宣称阶段（国内厂商） | 世和基因"序语Fragmentia-AI"（2026-06发布，厂商宣称/自媒体转引，同行评议公开数据未确认）[6] |
当前公开文献中的cfDNA AI模型可归纳为三条技术路线：（1）特征工程+集成学习路线——以片段长度分布（100–500 bp）、短/长片段比、全基因组CNV、4-bp末端基序频率、3–9 bp K-mer频谱为特征，经LASSO与TURF特征选择后送入SVM/随机森林/XGBoost/MLP堆叠分类器，并以SHAP做可解释性（PEdictor开源实现，子痫前期风险预测场景）[4]；（2）多组学深度学习融合路线——甲基化谱（366个标志物靶向EM-seq panel）与片段大小谱联合输入深度网络，肺癌判别AUC 0.87、准确率81.5%，1%肿瘤占比下特异性98%[2]；（3）低覆盖WGS多维特征MCED路线——无PCR低覆盖全基因组测序提取基因组+片段组学多维特征，DOC（检测）与TOO（溯源）双分类器架构，1,465人独立验证敏感性87.4%/特异性97.8%，I期敏感性79.3%，组织溯源TOP1准确率83.5%[3]。值得注意，片段"完整性"在该体系中不是被预测的对象，而是作为输入特征参与预测——这是对该选题的一个关键认知修正。
得率预测一侧的公开方法学基础是临床前因素的系统量化：瑞典团队对23名健康个体、649份血浆样本、四种采血管（含K2EDTA与Streck保护管）的评估表明，cfDNA产量同时取决于采血管类型与采样至血浆分离的时间间隔（K2EDTA需立即分离，Streck管一周内均可保持高得率），污染性细胞DNA难以常规检出[1]。这类结论结构化后即构成"得率风险预测"的规则基础，但将其升级为机器学习产品的公开案例未确认。
| 类别 | 名称 / 厂商 | 形态与要点 | 来源可靠性 |
|---|---|---|---|
| 开源 | PEdictor（GitHub，MIT协议） | cfDNA片段组学全流程Python代码（特征提取01–04、特征选择05–06、堆叠分类器07），输入WGS BAM，2025-12发布；面向子痫前期预测，方法可迁移 | ★高[4] |
| 商用（外包服务） | CD Genomics cfDNA Fragmentomics (Low-Pass WGS) Service | 科研用途外包：DELFI评分、EXCEL N-index、ichorCNA肿瘤分数（≥3%可信）等机器学习输出+QC阈值体系，50–100样本5–6×深度6–10周交付 | ★中[5] |
| 商用（国内厂商宣称） | 世和基因"序语大模型 Fragmentia-AI™" | 宣称全球首款液体活检DNA大语言模型（2026-06发布），与ATG-seq突变检测互补，支撑鹰眼CanScan多癌早筛（宣称获欧盟CE与FDA突破性设备认定）；以上均为厂商/自媒体宣称，同行评议公开数据未确认 | ★低（媒体转引）[6] |
| 自研参考（机构） | 南京医科大学MCED模型 | 研究型自研，未见独立商品化定价；配套金陵研究前瞻队列（计划15,000人） | ★高[3] |
| 相邻数字化产品（渠道在售） | Azenta Limfinity® 生物样本库LIMS、FreezerPro® 冰箱库存管理、Limfinity® 细胞系LIMS（ebaiao.cn渠道） | 样本库数字化基础设施，可承载cfDNA样本元数据与QC记录，但不含cfDNA预测AI功能；均询价制 | ★高[7] |
本期检索的ebaiao.cn商城352个SKU快照（2026-08-27）中，实验软件类仅5个SKU（均为Azenta样本库/存储类），未命中任何cfDNA预测AI类软件。
该细分场景的定价公开信息严重不足：PEdictor类开源工具免费（本地部署，自付算力与人力）[4]；CD Genomics外包服务按项目报价，公开页面未给出单价，仅可确认交付周期6–10周[5]；世和基因Fragmentia-AI为嵌入自身检测产品线的底层平台，不独立销售，定价未确认[6]；渠道在售LIMS类产品均为询价制[7]。整体判断：当前不存在可"按license采购"的cfDNA得率/完整性预测软件商品，获取路径只有三条——开源代码自建、外包服务打包、或与检测厂商共建，采购部门短期内无法将其纳入标准比价流程。
三点风险需要提示：（1）训练数据偏差。公开模型多用病例对照设计（如142+56例[2]），在无症状人群中的表现会显著衰减——MCED模型在无症状队列（金陵研究中期分析3,724人）敏感性降至53.5%、PPV仅25.0%[3]，直接外推到体检筛查场景会高估能力。（2）QC阈值的黑箱化。商用报告以95–98%特异性参考人群设定ML评分阈值，阈值人群构成不透明，跨实验室复用需重新校准[5]。（3）宣称与证据的落差。国内大模型类发布多以自媒体与厂商口径传播（如Fragmentia-AI），缺同行评议公开数据，采购或合作决策前应要求提供验证集构成、预设阈值与失败案例[6]。此外cfDNA数据的基因组隐私属性使其在跨境云部署上受数据出境合规约束，本地化部署应为国内机构默认选项。
现实影响集中在质控岗而非操作岗：片段完整性判读（电泳图/片段分布人工读图）是分子实验室技术员每天重复的判断工作，ML评分（DELFI分、N-index、众数片段大小）可替代其中约一半的"读图+判定"工时（经验估计，非实证数据）；而cfDNA提取操作本身（上样、上机）的自动化替代来自磁棒式提取仪等硬件（见同日期栏目B报告），不来自AI。得率预测若落地，价值形态是"拒收预警"（对预计低得率样本提前提示复采），减少的是重提取与重测序的返工成本，而非人力。结论：该AI方向是质控增强器，不是人力替代器。
对以NGS建库、克隆、qPCR为主业的分子实验室，最直接的可执行动作是把片段完整性QC数字化：以开源PEdictor的特征提取脚本（片段长度分布、末端基序、K-mer）改造为本地QC管道，配合Azenta Limfinity类样本库LIMS（渠道在售）沉淀每个样本的元数据（采血管类型、分离时间、得率、片段众数），半年即可积累出本单位自己的"得率影响因素"数据集——这是未来任何商用预测模型落地前唯一可自建的数据资产。对蛋白组学实验室，cfDNA片段组学与蛋白组联合的多组学早筛（cfDNA信号+血浆蛋白标志物）是当前液体活检的明确融合方向，提早布局样本层面的双组学留存（同一血浆样本分轨提取cfDNA与蛋白）具有前瞻价值。预算角度：现阶段不必为"AI预测"专项采购，开源工具+LIMS的组合即可覆盖80%现实需求。
说明：本期公开信息不足以支撑"AI预测cfDNA得率"的商用化结论，相关判断已按规范缩小为"未见规模化产品"；世和基因Fragmentia-AI相关能力表述均标注厂商宣称/自媒体转引。未能确认的数据点：Fragmentia-AI的同行评议性能数据、CD Genomics服务单价、国内厂商cfDNA预测类软件的注册/备案情况、ebaiao渠道软件类SKU的实际成交价。注：来源[8]为综述性补充材料，未用于支撑定量结论。