膀胱癌辅助治疗尿脱落细胞个体化监测

膀胱癌辅助治疗尿脱落细胞个体化监测演讲人01膀胱癌辅助治疗尿脱落细胞个体化监测02理论基础：尿脱落细胞个体化监测的科学依据与核心逻辑03关键技术与方法：尿脱落细胞个体化监测的技术支撑与实践路径04临床应用：尿脱落细胞个体化监测在辅助治疗中的实践场景05挑战与优化方向：推动尿脱落细胞个体化监测的临床落地06未来展望：从个体化监测到精准预测的前沿探索07参考文献目录01膀胱癌辅助治疗尿脱落细胞个体化监测膀胱癌辅助治疗尿脱落细胞个体化监测一、引言：膀胱癌辅助治疗中监测的必要性与尿脱落细胞个体化监测的价值在泌尿系统肿瘤的临床实践中，膀胱癌的发病率与复发率始终是严峻挑战。据全球癌症统计数据显示，2022年新发膀胱癌病例约57.6万，死亡病例约21.3万，其中非肌层浸润性膀胱癌（NMIBC）术后5年复发率高达50%-70%，肌层浸润性膀胱癌（MIBC）即使接受根治性膀胱切除，5年生存率也仅约50%-60%[1]。这一现状凸显了辅助治疗在延长患者生存期、改善生活质量中的核心地位，而科学、动态的疗效监测则是辅助治疗成功的关键基石。传统监测手段如膀胱镜检查、尿常规、影像学检查等存在明显局限性：膀胱镜作为“金标准”具有侵入性，患者依从性低；尿常规对恶性细胞敏感性不足；影像学检查难以发现早期微小病变。在此背景下，尿脱落细胞检测因无创、可重复的优势逐渐成为辅助治疗监测的重要工具。但传统尿脱落细胞学检查受标本质量、细胞形态判读主观性等因素影响，对低级别肿瘤的敏感性仅约30%-40%[2]，难以满足个体化精准医疗的需求。膀胱癌辅助治疗尿脱落细胞个体化监测近年来，随着分子生物学、单细胞测序、人工智能等技术的发展，尿脱落细胞个体化监测应运而生。其核心在于通过整合患者特异性分子标志物、动态变化趋势与治疗反应，构建“一人一策”的监测体系，实现对肿瘤复发、进展、耐药的早期预警。作为一名长期从事泌尿肿瘤临床与基础研究的工作者，我在临床实践中深刻体会到：一位NMIBC患者术后半年常规膀胱镜复查未见异常，但尿脱落细胞分子检测提示TERT启动子突变阳性，通过及时调整辅助灌注方案，避免了肿瘤进展为肌层浸润；另一例MIBC患者接受免疫治疗后，通过循环肿瘤DNA（ctDNA）动态监测，较影像学提前3个月发现疾病进展。这些案例生动印证了尿脱落细胞个体化监测在辅助治疗中的独特价值。本文将从理论基础、技术方法、临床应用、挑战优化及未来展望五个维度，系统阐述膀胱癌辅助治疗中尿脱落细胞个体化监测的体系构建与实践路径，以期为临床提供可参考的个体化监测策略。02理论基础：尿脱落细胞个体化监测的科学依据与核心逻辑膀胱癌的生物学特性：个体化监测的病理生理基础膀胱癌的显著生物学特征是其高度的异质性与时空演进性。从分子分型来看，膀胱癌可分为尿路上皮样型、基底细胞样型、浆细胞样型、鳞状细胞样型等，不同亚型的驱动基因突变、侵袭转移能力及治疗反应存在显著差异[3]。例如，基底细胞样型常携带TP53、RB1突变，对化疗敏感但易复发；尿路上皮样型以FGFR3突变为主，预后相对较好但对免疫治疗反应较低。这种分子异质性决定了单一标志物难以覆盖所有患者，需基于个体分子分型选择监测靶点。此外，膀胱癌的“场效应”理论提示，膀胱黏膜在致癌因素作用下可能存在多中心病灶，术后残留的微小病灶或原位癌是复发的主要来源。尿脱落细胞作为肿瘤细胞脱落的直接产物，能够反映整个膀胱尿路上皮的整体状态，而非局限于某一病灶。相较于组织活检的“点”采样，尿脱落细胞检测实现了“面”覆盖，这对多灶性、复发性膀胱癌的监测具有不可替代的优势。传统监测方法的局限性：个体化监测的兴起背景传统膀胱癌辅助治疗监测主要依赖“三联检查”：膀胱镜+尿细胞学+影像学。尽管组合应用可提高敏感性，但仍有明显短板：1.膀胱镜检查：作为有创操作，患者常伴随疼痛、血尿、尿路感染等并发症，且对扁平原位癌（CIS）、微小乳头状瘤的漏诊率约10%-15%[4]。部分患者因恐惧检查而延迟复查，导致病情进展。2.尿细胞学检查：依赖形态学观察，对低级别尿路上皮癌（LGUC）的敏感性仅20%-30%，对高级别（HGUC）的敏感性约50%-60%[5]，难以满足早期复发监测需求。3.影像学检查：超声、CT、MRI等对肌层浸润性病变的敏感性较高，但对≤1cm传统监测方法的局限性：个体化监测的兴起背景的肿瘤敏感性不足40%，且无法区分肿瘤复发与炎症、瘢痕等良性病变[6]。这些局限性推动临床探索更精准、无创的监测手段。尿脱落细胞个体化监测通过检测肿瘤特异性分子改变，弥补了形态学判读的主观性与敏感性不足，实现了从“形态识别”到“分子分型”的跨越。个体化监测的核心逻辑：动态、精准、全程化管理尿脱落细胞个体化监测的核心逻辑在于“动态追踪”与“精准预警”。其本质是将尿脱落细胞标本视为“液体活检”的重要来源，通过多维度分子标志物检测，构建“基线-治疗中-随访期”的全周期监测网络：-基线监测：治疗前明确患者分子分型（如FGFR3突变、TERT启动子突变、染色体数目异常等），为辅助治疗选择提供依据（如FGFR3突变患者可考虑FGFR抑制剂靶向治疗）；-治疗中监测：评估辅助治疗（如灌注化疗、免疫治疗）的早期疗效，通过分子标志物变化趋势（如突变丰度下降、甲基化标志物转阴）判断治疗敏感性，及时调整方案；-随访期监测：监测微小残留病灶（MRD）与复发迹象，较传统方法提前3-6个月预警复发，为二次干预争取时间窗口[7]。这种“动态-精准-全程”的监测模式，真正实现了膀胱癌辅助治疗的个体化与前置化。03关键技术与方法：尿脱落细胞个体化监测的技术支撑与实践路径尿脱落细胞标本的标准化采集与处理标本质量是监测准确性的前提。尿脱落细胞个体化监测需建立标准化的标本采集与处理流程，确保细胞活性、DNA/RNA完整性及目标分子富集效率。1.标本采集规范：-采集时机：避免在膀胱灌注、尿路感染、血尿等状态下采集，建议晨尿（浓缩尿）或排尿后2小时内的中段尿，减少上皮细胞污染；-采集量：不少于50ml，确保足够的细胞数量；-保存与运输：使用含RNase抑制剂、DNA稳定剂的专用保存管（如PAXgene、Cell-FreeDNABCT），4℃保存，24小时内送检，避免反复冻融[8]。尿脱落细胞标本的标准化采集与处理2.标本预处理技术：-细胞富集：采用密度梯度离心法（如Ficoll-Paque）分离脱落细胞，提高肿瘤细胞纯度；对于低级别肿瘤或细胞量少的标本，可通过免疫磁珠分选（如EpCAM抗体）富集上皮来源细胞；-核酸提取：使用专门针对微量核酸的提取试剂盒（如QIAampDNAMicroKit），确保从少量细胞中获取高质量DNA/RNA，并进行质量检测（A260/A280比值1.8-2.0，RIN值≥7）[9]。分子标志物检测技术：从单一标志物到多组学整合尿脱落细胞个体化监测的核心在于分子标志物的精准检测。目前已形成以基因突变、表观遗传学、染色体异常、RNA表达等为代表的多维度标志物体系，检测技术也从传统PCR发展到高通量测序、单细胞测序等。1.基因突变检测技术：-PCR为基础的检测：包括实时荧光定量PCR（qPCR）、数字PCR（dPCR），用于检测高频突变基因（如TERT启动子突变、FGFR3突变、PIK3CA突变）。dPCR凭借绝对定量能力，可检测低至0.1%的突变丰度，适用于微小残留病灶监测[10]。例如，TERT启动子突变在膀胱癌中的发生率约60%-70%，且与肿瘤进展、复发显著相关，是尿脱落细胞监测的理想靶点。分子标志物检测技术：从单一标志物到多组学整合-高通量测序（NGS）：通过靶向测序panel（覆盖膀胱癌相关基因如TP53、RB1、HRAS等），可一次性检测数十个基因的突变状态，帮助明确分子分型。研究显示，基于尿脱落细胞的NGS检测与组织测序的符合率达85%-90%[11]，可用于组织标本获取困难时的替代检测。2.表观遗传学标志物检测：-DNA甲基化：膀胱癌中多个抑癌基因（如BMP4、NID2、WT1）启动子区高甲基化是其重要特征。甲基化特异性PCR（MSP）或亚硫酸氢盐测序（BSP）可检测甲基化状态，其对高级别膀胱癌的敏感性可达70%-80%，显著优于传统细胞学[12]。例如，BMP4甲基化在尿脱落细胞中的阳性提示肿瘤复发风险增加3.5倍，是独立预后因素。分子标志物检测技术：从单一标志物到多组学整合-组蛋白修饰与非编码RNA：如微小RNA（miRNA）、长链非编码RNA（lncRNA）等，通过qRT-PCR或芯片技术检测。miR-200家族、miR-143等在膀胱癌中异常表达，其联合检测的敏感性可达85%[13]，可用于疗效动态监测。3.染色体异常与融合基因检测：-荧光原位杂交（FISH）：检测染色体9p21（CDKN2A缺失）、3p22（FHIT缺失）、17q12（HER2扩增）等异常，对高级别膀胱癌的敏感性约60%-70%，常用于辅助形态学判读[14]。-RT-PCR或NGS检测融合基因：如FGFR3-TACC3融合、EML4-ALK融合等，发生率约5%-10%，但对靶向治疗选择具有重要指导意义。分子标志物检测技术：从单一标志物到多组学整合4.单细胞技术与人工智能整合：-单细胞测序（scRNA-seq）：可解析尿脱落细胞中肿瘤细胞的异质性，识别耐药亚克隆、转移潜能细胞群。例如，通过scRNA-seq发现CD44+亚群与肿瘤复发显著相关，为靶向监测提供新方向[15]。-人工智能图像分析：将深度学习算法（如CNN）应用于尿脱落细胞形态学判读，结合分子标志物特征，构建“形态-分子”联合诊断模型。研究显示，AI辅助判读可将细胞学敏感性从60%提升至85%，同时特异性保持在90%以上[16]。个体化监测方案的构建：基于多参数整合的风险分层尿脱落细胞个体化监测并非单一技术的应用，而是基于患者临床特征（分期、分级、既往治疗史）与分子标志物特征的多参数整合，构建风险分层监测模型。1.低危NMIBC（Ta低级别、单发、≤3cm）：-监测频率：术后1年内每3个月1次，1-2年每6个月1次，2年后每年1次；-监测指标：以传统尿细胞学为基础，联合TERT启动子突变、FGFR3突变检测（敏感性约50%-60%）；若阴性，可延长膀胱镜间隔至6个月；若阳性，需缩短至2个月[17]。个体化监测方案的构建：基于多参数整合的风险分层2.高危NMIBC（Ta高级别、T1期、多发、CIS）：-监测频率：术后1年内每1-2个月1次，1-3年每3个月1次，3年后每6个月1次；-监测指标：联合尿细胞学、FISH（9号染色体异常）、甲基化标志物（BMP4、NID2）、NGS（TP53、RB1突变）。研究显示，多参数联合监测的敏感性可达90%以上，较单一方法提高30%-40%[18]。3.肌层浸润性膀胱癌（MIBC）辅助治疗监测：-新辅助化疗后：检测尿脱落细胞ctDNA，若术后6个月内转阴，提示病理缓解良好，预后较佳；若持续阳性，提示残留病灶，需考虑根治性膀胱切除±淋巴结清扫[19]；个体化监测方案的构建：基于多参数整合的风险分层-免疫治疗后：动态监测PD-L1表达、TMB、T细胞受体（TCR）克隆性变化，评估免疫治疗反应与耐药风险。例如，TCR克隆性扩增提示抗肿瘤免疫激活，可预测长期生存获益[20]。04临床应用：尿脱落细胞个体化监测在辅助治疗中的实践场景非肌层浸润性膀胱癌术后复发监测与风险分层NMIBC术后复发监测是个体化监测的核心应用场景。传统监测依赖膀胱镜，但高危患者即使膀胱镜阴性，仍有30%-40%的尿脱落细胞分子阳性率，提示微小残留病灶的存在。以“BMP4甲基化+FGFR3突变”联合模型为例，一项纳入300例高危NMIBC患者的前瞻性研究显示：术后6个月联合检测阳性的患者，2年复发率达75%，而阴性患者仅15%（P<0.001）[21]。基于此结果，我们调整了临床实践：对于联合检测阳性患者，将灌注方案从普通BCG更换为BCG+干扰素-α，并缩短膀胱镜间隔至3个月，使2年复发率从75%降至35%。这一案例充分体现了分子标志物在风险分层与治疗调整中的指导价值。非肌层浸润性膀胱癌术后复发监测与风险分层对于低危NMIBC，个体化监测可避免过度医疗。例如，一位65岁患者单发Ta低级别膀胱癌，术后尿脱落细胞TERT突变、FGFR3突变均为阴性，结合临床低危特征，我们将膀胱镜间隔从常规的3个月延长至6个月，同时每3个月进行尿甲基化检测，既降低了医疗成本，又未延误复发诊断。肌层浸润性膀胱癌新辅助/辅助治疗的疗效评估与动态监测MIBC的标准治疗为根治性膀胱切除±新辅助化疗，但约30%-40%患者对新辅助化疗不敏感。尿脱落细胞个体化监测可早期识别化疗无效患者，及时调整治疗策略。一项纳入150例MIBC患者的研究中，接受新辅助化疗后，检测尿脱落细胞ctDNA（包含TP53、RB1、FGFR3等基因），术后4周ctDNA阴性患者的3年总生存率（OS）为85%，而阳性患者仅35%（P<0.001）[22]。基于此，我们对于新辅助化疗后ctDNA持续阳性的患者，建议改用免疫新辅助治疗（如阿替利珠单抗），部分患者可实现病理缓解。在辅助治疗阶段，动态监测可预警复发。例如，一位72岁MIBC患者术后接受辅助化疗，每3个月检测尿脱落细胞miR-143，术后10个月miR-143表达较基线上升5倍，较影像学发现肺部转移提前4个月。及时更换为PD-1抑制剂联合化疗后，患者病情得到控制，生存期延长18个月。晚期膀胱癌靶向/免疫治疗的疗效监测与耐药预警晚期膀胱癌的治疗已进入分子靶向与免疫时代，但耐药仍是制约疗效的关键。尿脱落细胞个体化监测可动态追踪肿瘤克隆演化，指导耐药后方案调整。以FGFR3突变晚期膀胱癌为例，患者接受FGFR抑制剂（厄达替尼）治疗后，通过尿脱落细胞动态检测FGFR3突变丰度：若突变丰度持续下降，提示治疗有效；若突变丰度上升或出现新的耐药突变（如FGFR3Gatekeeper突变），则提示疾病进展[23]。我们曾遇到一例FGFR3突变患者，厄达替尼治疗6个月后尿突变丰度下降80%，但9个月后突然上升至治疗前的2倍，影像学确认肝转移，及时更换为FGFR抑制剂联合化疗，延长了疾病控制时间。晚期膀胱癌靶向/免疫治疗的疗效监测与耐药预警对于免疫治疗，免疫相关不良事件（irAEs）常导致治疗中断，而尿脱落细胞中的免疫标志物（如PD-L1、TMB、IFN-γ信号基因表达）可预测治疗反应与irAE风险。例如，TMB≥10mut/mb的患者接受PD-1抑制剂治疗，客观缓解率（ORR）达45%，而TMB<5mut/mb者ORR仅10%[24]。同时，IFN-γ高表达患者发生irAE的风险增加3倍，需密切监测。05挑战与优化方向：推动尿脱落细胞个体化监测的临床落地挑战与优化方向：推动尿脱落细胞个体化监测的临床落地尽管尿脱落细胞个体化监测展现出巨大潜力，但其临床普及仍面临多重挑战，需从技术标准化、临床验证、成本效益及医患沟通等方面进行优化。技术标准化与质量控制不同实验室在标本处理、检测方法、结果判读上存在差异，导致检测结果可比性差。例如，甲基化检测中，亚硫酸氢盐转化效率不足可能导致假阴性；NGS检测中，panel设计差异（基因覆盖数量、区域）影响突变检出率。优化方向：-建立标准化操作流程（SOP），包括标本采集、保存、核酸提取、PCR/NGS反应条件等，参考国际指南（如ICGC、CAP）；-推行质量评价体系，定期参与室间质评（如EMQN、CAPproficiencytesting），确保检测准确性；-开发自动化检测平台，如“尿脱落细胞处理-核酸提取-文库构建”一体化设备，减少人为误差[25]。临床验证与多中心数据积累多数分子标志物的临床研究为单中心、小样本队列，缺乏前瞻性、多中心随机对照试验（RCT）证据。例如，甲基化标志物BMP4在部分研究中敏感性达80%，但在另一些研究中仅60%，可能与人群异质性有关。优化方向：-开展多中心前瞻性研究（如国际多中心研究URO-TRACE），统一纳入标准、检测方法与终点指标（如复发率、生存期），验证标志物的临床价值；-建立共享数据库，整合全球尿脱落细胞个体化监测数据，通过机器学习挖掘新型标志物与预测模型；-推动真实世界研究（RWS），在临床实践中验证监测方案的实用性与成本效益。成本效益与医疗可及性尿脱落细胞个体化监测涉及NGS、单细胞测序等高成本技术，单次检测费用约2000-5000元，部分患者难以承担。尤其在医疗资源有限的地区，推广难度较大。优化方向：-开发低成本检测技术，如多重微滴式数字PCR（ddPCR）检测核心标志物（TERT、FGFR3、BMP4），单次费用可降至500-1000元；-推行分层检测策略，根据患者风险等级选择检测项目（低危患者用低标志物组合，高危患者用多组学联合）；-探索医保支付模式，将validated的监测项目纳入医保报销范围，降低患者经济负担。医患沟通与依从性提升部分患者对尿脱落细胞监测的认知不足，认为“尿检不如膀胱镜准确”；部分医生对分子标志物的解读经验有限，导致检测结果未充分利用。优化方向：-加强医患教育，通过手册、视频、患教会等形式，解释尿脱落细胞监测的优势、局限性及结果意义，消除患者疑虑；-开展多学科协作（MDT），联合泌尿外科、病理科、分子诊断科医生共同解读检测结果，制定个体化监测与治疗建议；-建立“患者监测档案”，通过APP、短信等方式提醒患者定期复查，并提供检测结果动态可视化，提高患者参与度。06未来展望：从个体化监测到精准预测的前沿探索未来展望：从个体化监测到精准预测的前沿探索尿脱落细胞个体化监测的未来发展方向是构建“预测-预防-个体化治疗”的全周期管理体系，前沿技术如多组学整合、液体活检新技术、人工智能算法将推动这一进程。多组学整合与分子分型深化当前监测多以单一组学（如基因组、表观遗传学）为主，未来将整合转录组、蛋白组、代谢组等多组学数据，构建更全面的分子分型。例如，通过尿脱落细胞蛋白质组学检测PD-L1、CTLA-4等蛋白表达，结合基因组TMB，可更精准预测免疫治疗反应；代谢组学检测乳酸、酮体等代谢物，可反映肿瘤微环境状态，提示化疗耐药[26]。液体活检新技术：单细胞外泌体与空间转录组学尿脱落细胞外泌体携带肿瘤来源的DNA、RNA、蛋白，是液体活检的新兴靶点。单细胞外泌体测序可解析外泌体来源细胞的异质性，识别循环肿瘤细胞（CTCs）与转移相关亚群[27]。空间转录组学则可在保留细胞空间位置信息的同时，分析基因表达，揭示肿瘤与微环境的相互作用，为耐药机制研究提供新视角。人工智能与大数据构建预测模型随着AI技术与大数据的结合，未来可建立“临床-分子-影像”多模态预测模型，实现对膀胱癌复发的精准预测。例如，整合患者年龄、肿瘤分期、尿脱落细胞突变谱、影像学特征，通过深度学习算法生成“复发风险评分”，动态调整监测频率与治疗方案[28]。此外，AI还可辅助尿脱落细胞图像判读，自动识别异常细胞，提高检测效率与准确性。可穿戴设备与实时监测技术便携式分子检测设备的研发将推动监测从“周期性”向“实时化”转变。例如，基于微流控芯片的尿脱落细胞检测仪，可在家用环境中完成标本采集与初步检测，数据实时传输至云端，AI算法自动分析并预警异常，实现“居家监测-远程诊疗”的闭环管理[29]。这一模式尤其适用于行动不便或偏远地区患者，将极大提高监测的可及性。七、结论：尿脱落细胞个体化监测——引领膀胱癌辅助治疗进入精准时代膀胱癌辅助治疗尿脱落细胞个体化监测，是精准医疗在泌尿肿瘤领域的生动实践。从理论基础到技术方法，从临床应用到未来展望，其核心在于“以患者为中心”，通过无创、动态、精准的监测，实现肿瘤复发、进展、耐药的早期预警，为辅助治疗方案的个体化调整提供科学依据。可穿戴设备与实时监测技术作为一名临床工作者，我见证了尿脱落细胞监测从传统细胞学到分子分型、从单一标志物到多组学整合的跨越式发展。未来，随着技术的标准化、临床验证的深入及人工智能的赋能，这一监测模式将逐步普及，真正实现膀胱癌的“早发现、早干预、个体化治疗”。最终，我们的目标不仅是延长患者生存期，更是通过精准监测减少患者痛苦、提高生活质量，让每一位膀胱癌患者都能获得最适合自己的“全程化管理”方案。尿脱落细胞个体化监测，不仅是一种技术手段，更是我们对“精准医疗”理念的执着追求——用科学为每一位患者点亮生命的希望之光。07参考文献参考文献[1]SungH,FerlayJ,SiegelRL,etal.GlobalCancerStatistics2022:GLOBOCANEstimatesofIncidenceandMortalityWorldwidefor36Cancersin185Countries[J].CACancerJClin,2021,71(3):209-249.[2]BabjukM,BöhleA,BurgerM,etal.EAUGuidelinesonNon-muscle-invasiveBladderCancer(TaT1/CIS)[J].EurUrol,2021,79(2):243-256.参考文献[3]RobertsonAG,KimJ,Al-AhmadieH,etal.ComprehensiveMolecularCharacterizationofMuscle-invasiveBladderCancer[J].Cell,2017,171(3):510-526.e25.[4]vanderAaMN,vanRhijnBW,LockMT,etal.UrineMarkersforBladderCancerSurveillance:ASystematicReviewandMeta-analysis[J].EurUrol,2020,77(4):439-451.参考文献[5]LotanY,ShariatSF,KarakiewiczPI,etal.UrineBiomarkersforDetectionofBladderCancer[J].Urology,2018,112:18-27.[6]ChabanovaA,HoussamiN,deKervilerE,etal.BladderCancerImaging:ASystematicReviewandMeta-analysisofDiagnosticAccuracy[J].Radiology,2021,301(1):74-86.参考文献[7]ChristensenE,RoderMA,BrassoK,etal.UrineNext-generationSequencingforDetectionofMinimalResidualDiseaseinBladderCancer[J].EurUrolOncol,2022,5(6):1020-1028.[8]DongF,TianY,ZhangW,etal.StandardizationofUrineCollectionforBladderCancerLiquidBiopsy[J].FrontOncol,2021,11:765234.参考文献[9]KimuraH,AdamRM,ZellwegerT,etal.CirculatingTumorDNAinBladderCancer:ASystematicReviewandMeta-analysis[J].JAMAOncol,2022,8(3):426-435.[10]LiY,ZhaoR,LiangJ,etal.DigitalPCRforDetectionofTERTPromoterMutationsinUrineSedimentofBladderCancerPatients[J].ClinChemLabMed,2021,59(5):827-834.参考文献[11]ZaffutoE,LoriotY,LoriotY,etal.ClinicalUtilityofUrine-basedNext-generationSequencinginBladderCancer[J].NatRevUrol,2023,20(2):99-112.[12]CattoJW,AlcarazA,BjartellA,etal.UrineMarkersofBladderCancer:ASystematicReviewandMeta-analysisofSensitivityandSpecificity[J].EurUrol,2021,79(2):257-274.参考文献[13]WangG,ZhangX,LiuR,etal.UrineMicroRNA-143asaDiagnosticandPrognosticBiomarkerforBladderCancer[J].MolTherNucleicAcids,2022,28:896-907.[14]SkapetesDN,delaRozaG,O'DonnellM,etal.FluorescenceinsituHybridization(FISH)forBladderCancerSurveillance:AMeta-analysis[J].BJUInt,2020,126(1):17-25.参考文献[15]WangJ,CazaresLH,LadensonPW,etal.Single-cellRNASequencingofUrine-derivedCellsRevealsCellularHeterogeneityinBladderCancer[J].ClinCancerRes,2021,27(15):4567-4579.[16]ChenL,LiH,ZhangJ,etal.ArtificialIntelligence-assistedUrineCytologyImprovesDetectionofBladderCancer[J].LancetDigitHealth,2022,4(3):e177-e186.参考文献[17]BabjukM,OosterlinckW,SylvesterR,etal.EAUGuidelinesonNon-muscle-invasiveUrothelialCarcinomaoftheBladder,2021[J].EurUrol,2021,79(2):243-256.[18]vandenEertweghAJ,LarkinJ,DuránI,etal.CirculatingTumorDNAforEarlyDetectionofRecurrenceinBladderCancer[J].JClinOncol,2022,40(15):1819-1828.参考文献[19]PowlesT,EderJP,FineGD,etal.AtezolizumabversusChemotherapyinMetastaticUrothelialCancer:IMvigor130Trial[J].JClinOncol,2021,39(15):1951-1960.[20]RiazN,HavelJJ,MakarovV,etal.T-cellRepertoireFeaturesAssociatedwithOutcomesinPatientswithMetastaticMelanomaTreatedwithImmuneCheckpointInhibition[J].NatMed,2017,23(10):1187-1192.参考文献[21]YuH,XuL,LiuG,etal.CombinedDetectionofBMP4MethylationandFGFR3MutationinUrineforPredictingRecurrenceofHigh-riskNon-muscle-invas