用于发现早期肺癌检测的量子核估计

arXiv:2608.19304v1 公告类型：新 摘要：利用低剂量胸部计算机断层扫描进行肺癌筛查可降低死亡率，但其影响受到采用、依从性和管理挑战的限制。尽管由于肺癌异质性和高维非线性分子信号，早期检测仍然很困难，但基于血液的游离 DNA (cfDNA) 生物标志物提供了一种补充方法。我们使用 DNA 片段组学和 DNA 甲基化评估了用于肺癌检测的量子经典混合机器学习。特征选择后，使用 20 和 40 特征子集训练模型。使用具有多种纠缠策略的角度和密集角度特征图将特征编码到量子希尔伯特空间中。基于保真度的量子内核通过精确的状态向量模拟进行计算，并与预计算内核 SVM 和内核 PCA 逻辑回归集成，并与在原始特征上训练的 SVM 模型进行比较。该框架能够系统地评估编码和纠缠设计如何影响分类。经过反复进行的评估，量子内核模型在两个数据集上都取得了有竞争力的性能。对于片段组学，几种 20 个特征的配置相对于经典 SVM 基线提高了 AUC，表明可以有效捕获非线性 cfDNA 片段结构。对于甲基化，经典 SVM 实现了最高的 AUC，尽管选定的量子模型在某些情况下仍然具有竞争力并提高了特异性。将功能从 20 个增加到 40 个并不能持续提高性能，而且常常会增加可变性。总体而言，这些结果支持量子核方法作为基于 cfDNA 的肺癌检测的一种有前途的方法。