Sub-solid nodules (SSN) are common radiographic findings. Due to possibility of malignancy, further evaluation is urgentlyneeded for prevention and management of lung cancer (LC). This current study enrolled patients with SSN, including LC, benign nodules (BN), and healthy individuals as a control, to discover small extracellular vesicles (sEVs) differentially expressed miRNAs (DEMs) as biomarker by next-generation sequencing (NGS) and validation by RT-qPCR. Through cross-scale integration of validated small-molecule and macro-imaging, the prediction model was developed by logistic algorithms and further interpreted into an easy-to-use Nomogram by Cox-proportional hazards modeling. Present study has discovered various sEVs DEMs and sEVs-miR-424-5p that were selected and validated as novel potential biomarkers for cancerous nodule, namely LC. Furthermore, the 10 radiomics signs and 4 clinical features of SSN were merged with sEVs-miR-424-5p and proceeded in multivariate logistic regression analysis to develop the cross-scale integrated modeling, which yielded a significantly higher area under the curve (AUC). Finally, visualization of an easy-to-use nomogram was invented to potentially predict suspected SSN. sEVs-miR-424-5p could be a novel biomarker for distinguishing SSN from LC and BN populations. Its association with cross-scale fusion of radiomics-clinical features will provide great potential to be an errorless prediction of malignant SSN.

中文翻译：

---

基于纳米级细胞外囊泡的生物标志物和放射组学特征的跨尺度整合，用于预测疑似亚实性肺结节。

亚实性结节 (SSN) 是常见的放射学发现。由于恶性肿瘤的可能性，迫切需要进一步评估以预防和管理肺癌（LC）。目前的这项研究招募了 SSN 患者，包括 LC、良性结节 (BN) 和健康个体作为对照，以通过下一代测序 (NGS) 和验证发现差异表达的 miRNA (DEM) 作为生物标志物的小细胞外囊泡 (sEV)通过 RT-qPCR。通过验证小分子和宏观成像的跨尺度整合，预测模型由逻辑算法开发，并通过 Cox 比例风险模型进一步解释为易于使用的诺模图。目前的研究发现了各种 sEVs DEMs 和 sEVs-miR-424-5p，它们被选择和验证为癌性结节（即 LC）的新型潜在生物标志物。此外，SSN 的 10 个影像组学体征和 4 个临床特征与 sEVs-miR-424-5p 合并，并进行多变量逻辑回归分析以开发跨尺度集成模型，从而产生显着更高的曲线下面积（AUC） . 最后，发明了一个易于使用的列线图的可视化来潜在地预测可疑的 SSN。sEVs-miR-424-5p 可能是区分 SSN 与 LC 和 BN 人群的新型生物标志物。它与放射组学-临床特征的跨尺度融合的关联将为恶性 SSN 的无误预测提供巨大的潜力。这产生了显着更高的曲线下面积 (AUC)。最后，发明了一个易于使用的列线图的可视化来潜在地预测可疑的 SSN。sEVs-miR-424-5p 可能是区分 SSN 与 LC 和 BN 人群的新型生物标志物。它与放射组学-临床特征的跨尺度融合的关联将为恶性 SSN 的无误预测提供巨大的潜力。这产生了显着更高的曲线下面积 (AUC)。最后，发明了一个易于使用的列线图的可视化来潜在地预测可疑的 SSN。sEVs-miR-424-5p 可能是区分 SSN 与 LC 和 BN 人群的新型生物标志物。它与放射组学-临床特征的跨尺度融合的关联将为恶性 SSN 的无误预测提供巨大的潜力。