HPV E6/E7 mRNA 数据挖掘研究框架
郑州科蒂亚生物技术有限公司 × SCIDraw AI 赋能产业落地
Real-World Data Mining Framework — Kodia HPV E6/E7 mRNA Cohort
本文是讨论稿，用于在 Kodia 内部对齐研究方向、深度、数据可获得性与资源边界。
文中不包含统计分析计划（SAP）、CRF 字段表、数据收集 SOP 等执行细节——
这些将在研究定位达成共识后另行输出。每个章节末列出讨论决策点，作为后续讨论会议程。
一、研究定位（最该先聊清楚的问题）
核心问题：这份数据挖掘是给谁用、解决什么？定位决定整个研究的金标准选择、终点定义、样本量与报告规范。
| 定位 | 主受众 | 决定产出形态 |
|---|---|---|
| A. BDMS 评估弹药 | N-Health 评估团队 | 临床性能表 + 中国→泰国移植性论证 |
| B. 学术背书 | SCI 同行 | 论文（创新点 = mRNA 定量 vs DNA 仅存在） |
| C. 监管注册后研究 | NMPA / Thai FDA | 真实世界证据包 |
| D. 产品迭代 | Kodia 内部研发 | 风险评分模型 / 阈值优化 |
| E. 商业叙事 | 医院 / 经销商 | 卖点：精准分层、减少阴道镜转诊 |
讨论点 1 A–E 哪个是首要目标？
预判：A 优先 + B 共生。A 是 BDMS MOU 推进的硬门槛；B 给 A 提供第三方背书。C/D/E 是衍生。
二、研究问题的层次
聊清楚"问什么"，才能聊"怎么答"。研究问题分层如下，越往下越深，资源需求越高：
L1（描述性） 当前中国队列 mRNA 检出率、各型别分布、CIN2+ 患病率
↓
L2（诊断性能） mRNA 对 CIN2+/CIN3+ 的 sens/spec/PPV/NPV
↓
L3（增量价值） mRNA 相比 DNA / 细胞学 多了什么？
↳ 关键：head-to-head 对照设计 vs 历史对照？
↓
L4（量化分层） mRNA 表达量与病变程度的剂量-反应
↓
L5（预测建模） 哪些型别/特征组合 → 个体风险评分
↓
L6（外推） 中国结果对泰国人群的可移植性
讨论点 2 从 L 几做到 L 几？野心 × 资源 × 数据可获得性的三角平衡。
讨论点 3 L3 是科蒂亚的"护城河故事"——但 head-to-head 需要同周期 DNA 数据。中心有吗？
没有就只能做历史对照，叙事会被削弱。
三、研究设计的几个根本选择
3.1 队列类型
| 选项 | 优点 | 缺点 |
|---|---|---|
| 回顾性队列 | 数据已有、快、便宜 | 选择偏倚、金标准不全 |
| 前瞻性队列 | 设计严谨、控变量 | 18–36 月才能出结果 |
| 双向队列 | 回顾打底 + 前瞻延展，平衡 | 设计复杂、协调成本高 |
3.2 金标准选择（决定研究价值上限）
- 组织病理 CIN2+：临床决策金标准，但需阴道镜转诊（存在筛查阳性偏倚）
- CIN3+：更接近临床终点（癌前），样本量需求更高
- LEEP/锥切标本病理：最严，但仅覆盖高危人群
3.3 对照臂设置
- 单臂（仅 mRNA + 病理）：描述性
- 双臂（mRNA + DNA + 病理）：增量价值论证 ★ 推荐
- 三臂（mRNA + DNA + 细胞学 + 病理）：完整筛查路径
讨论点 4 纯回顾 vs 双向？BDMS 推进节奏能不能等前瞻数据？
讨论点 5 终点选 CIN2+ 还是 CIN3+？两个都报？
讨论点 6 中心现有数据能支撑几臂？
四、数据可获得性（最关键的现实约束）
这一组问题只有 Kodia 自己能回答。回答完才能定样本量、定能不能做 L3–L5。这是整个项目的现实门。
- 已合作中心有几家？分别覆盖多少病例？
- 这些病例中，有多少同时有 mRNA 结果 + 阴道镜活检病理（mITT 入组池）？
- mRNA 各型别的 Ct/RLU 定量值是否完整存档？（决定 L4 可行性）
- 同周期是否有 DNA 检测结果？（决定 L3 对照臂）
- 随访时长分布？（决定能做横断面还是纵向）
- 各中心病理报告质量是否统一？是否经过二次复核？
红线提醒 所有 sens/spec 数字必须基于真实可审计数据，禁止外推或编造。
若数据池不足 mITT 2000 例，应优先扩中心而非设计 SAP。
五、合作与伦理边界
- 中心数据所有权归属（医院 / Kodia / 共享）
- 多中心数据汇集的伦理路径（各中心单独伦理 vs 牵头单位整体伦理）
- 数据用于 SCI 发表 vs 商业用途的知情同意范围（回顾性多依赖"宽泛同意"或"去标识化豁免"）
- 跨境递交给 BDMS 时数据脱敏级别：建议只递聚合结果，原始数据不出境
- 学术 vs 商业利益冲突声明与署名权
讨论点 7 数据归属、伦理路径、跨境合规——哪些已和合作医院明确？
六、产出物与时间线骨架
| 阶段 | 月数 | 产出 | 依赖 |
|---|---|---|---|
| Phase 0 对齐 | M0–M1 | 研究协议 v1.0 + 中心清单 + 数据可获得性评估 | 讨论点 1–7 达成共识 |
| Phase 1 收集 | M2–M5 | 锁库分析数据集 | 伦理备案 + eCRF |
| Phase 2 主分析 | M5–M7 | L2 临床性能 + BDMS dossier ③ | 数据质量过关 |
| Phase 3 深度 | M7–M10 | L4/L5 量化分层 + 模型 v0 | L2 通过 |
| Phase 4 输出 | M10–M12 | SCI 论文 + BDMS 移植性报告 | Phase 2+3 完成 |
讨论点 8 12 个月节奏是否对得上 BDMS MOU 推进？
要不要先做"快版"（仅 L2，6 个月内出 dossier），深度分析放在 MOU 第二阶段？
七、风险与红线
| 风险 | 缓解 |
|---|---|
| 样本量不足（<2000）→ CI 过宽无说服力 | Phase 0 前做盘点；不够则加中心 |
| 病理判读异质 → 终点不准 | 二次盲法复核 + Kappa ≥ 0.80 |
| 筛查阳性偏倚 → PPV 虚高 | B-Z ICC 校正 + 敏感性分析 |
| 外推至泰国被质疑 | L6 IPSW 重加权 + 文献综述 |
| 数据合规边界 | 仅聚合结果出境；原始数据驻留中国 |
| 学术 vs 商业利益冲突 | 协议明确署名权 + 数据使用范围 + 锁库后不可逆修改 |
八、需要先讨论达成共识的 8 个决策点（汇总议程）
按优先级排序，建议作为讨论会议程：
- 定位 A/B/C/D/E 首要目标
- 深度 L1–L6 做到几层
- DNA 对照 能不能做 head-to-head（决定叙事强度）
- 队列类型 纯回顾 vs 双向
- 金标准终点 CIN2+ vs CIN3+ vs 双报
- 数据可获得性盘点 需 Kodia 内部先回答 §四 六问
- 合作边界 数据归属 + 伦理 + 跨境
- 时间线 + 资源 12 月节奏 vs 6 月快版；谁出统计 / eCRF / 论文撰写
九、独立看法（仅供参考，欢迎拍砖）
最小可行研究（MVR）的边界
- 至少做 L2 + 一个亚组（年龄段或细胞学分层），这是 BDMS 评估的最低底线
- 数据允许的话，L3 才是真正的差异化故事——mRNA vs DNA 的增量价值是科蒂亚存在的意义
- L4/L5 是锦上添花，资源紧张可推迟到 MOU 第二阶段
最关键的不是技术，是 Phase 0 的数据盘点
如果 Kodia 现有中心数据池不足 2000 例 mITT，整个研究要先解决"扩中心"，而不是设计 SAP。 真实世界研究的常见死法是"先定 SAP 细节再倒推数据"——这一定要避免。
推进路径建议
- Kodia 内部先就讨论点 1（定位）+ §四（数据可获得性）达成共识
- SCIDraw 出访谈提纲，协助 Kodia 与中心对接，盘点真实数据池
- 基于盘点结果决定 L 几做到 L 几 + 队列类型
- 方向锁定后，再启动研究协议 v1.0、CRF、SAP 的细化
郑州科蒂亚生物技术有限公司 · 内部讨论稿
Zhengzhou Kodia Biotechnology Co., Ltd. — Internal Discussion Draft
06 July 2026 · v0.1
Zhengzhou Kodia Biotechnology Co., Ltd. — Internal Discussion Draft
06 July 2026 · v0.1