静脉血栓栓塞症（VTE）是癌症患者最致命的并发症，造成了约9%的癌症相关死亡。由于临床上缺乏准确和有效的VTE风险评估方法，VTE的漏诊常常导致医疗干预的延迟，甚至患者的死亡。大量研究表明细胞外泌体（EVs）通过其表面携带的组织因子，启动外源性凝血反应，导致血液的高凝状态甚至促进了VTE的形成。有研究者初步探究了血浆EVs的促凝能力，但如何用于临床VTE风险预测仍面临着巨大的挑战。 

　　近期，中国科学院理化技术研究所王树涛、孟靖昕研究员团队和首都医科大学附属北京友谊医院张澍田教授发展了一种可检测血浆EVs凝血风险的条形码（PEVB），为临床癌症患者VTE风险预判提供了有效的技术。该技术具有三个特点：（ ）利用二氧化钛纳米花快速捕获血浆样品的EVs；（ ）通过可视化的EVs介导凝血反应（阳性条带数量）来原位地检测EVs促凝能力；（ ）机器学习辅助的临床数据分析以进行准确的VTE风险评估。使用PEVB对来自8种癌症的167名患者进行检测，并采用机器学习将条带分数与D-二聚体筛查和其它常规临床信息整合。通过筛选合适的机器学习模型，实现了对VTE的精准预测，AUC为0.993，检测特异性97.1%，灵敏度96.8%，准确率97.0%，显著优于目前临床上常用VTE风险预测工具（例如D-二聚体筛查，特异性44.8%，灵敏度90.3%，准确率53.2%）。因此，基于条形码与检测技术能够直观、快速、便捷的评估VTE风险，在癌症患者VTE风险精准预测方面展示出巨大潜力。 

　　相关研究成果以Machine-Learning-Assisted Procoagulant Extracellular Vesicle Barcode Assay toward High-Performance Evaluation of Thrombosis-Induced Death Risk in Cancer Patients为题，发表在ACS Nano期刊上。本文通讯作者为中国科学院理化技术研究所王树涛、孟靖昕研究员和首都医科大学附属北京友谊医院张澍田教授，第一作者为首都医科大学附属北京友谊医院闵力副教授和中国科学院理化技术研究所包寒博士。研究工作得到国家自然科学基金和中科院国际伙伴计划等的支持。