《自然》帶來液體活檢技術新突破

　　在頂尖學術期刊《自然》26日上線的一批論文中，斯坦福大學的科學家攜人工智能為液體活檢領域帶來一項重要進展。他們開發出一種機器學習模型，通過分析血液中的DNA突變，可以鑒別出早期肺癌患者。

　　肺癌是全球發病率最高，造成死亡人數最多的癌癥。每年，它會帶走將近200萬條生命。盡管肺癌的診治技術在不斷提高，但很多患者在查出肺癌時已到中晚期，遺憾地錯過了根治的機會。要有效減少肺癌相關死亡，早期篩查刻不容緩。

　　怎么可以早一點發現肺癌的跡象呢？對于高危人群（比如老煙民），低劑量螺旋CT是目前的一種推薦手段，醫生們也證實，確實可以幫助減少死亡率。但從實際使用情況來看，調查數據顯示，在美國僅有5%左右符合條件的個體會做這種CT篩查。一方面，是因為費用高、有些地方缺乏儀器設備，另一方面這種方法誤診率高，把不是肺癌的看成肺癌，給受檢者造成巨大的精神壓力。顯然人們迫切地需要更精準、同時簡單方便的篩查手段，比如“驗血查癌”。

　　因此，近年來液體活檢技術成為了科學家、投資者、醫生們關注的焦點。大部分液體活檢技術測的是循環腫瘤DNA（ctDNA），也就是釋放到血液中的腫瘤DNA片段，通過測序了解腫瘤細胞內的基因突變情況。

　　原理不難理解，但問題是在腫瘤還很小的癌癥早期階段，血液中的ctDNA還很少。有研究顯示，大多數I期肺癌患者血液內ctDNA水平不到0.1%，如何將這些DNA片段中的致癌突變與體內正常細胞中更為常見又基本無害的DNA突變區分開來，是一個巨大的挑戰。這也是為什么目前ctDNA還主要用于晚期癌癥檢測的原因。

　　為了把ctDNA檢測應用到癌癥早期篩查中，斯坦福大學的Maximilian Diehn教授和Ash A. Alizadeh教授等人改進了現有的ctDNA檢測技術。他們過去合作開發了一種癌癥個體化深度測序（Capp-Seq）的分析方法，可以捕獲患者血液樣本中極少量的ctDNA，檢測與非小細胞肺癌相關的突變。

　　這支研究團隊利用改進的技術，發現半數1期肺癌患者的ctDNA水平比過去公認的更低，低于0.01%，但他們可以在42%的1期患者、67%的2期患者中檢測到ctDNA。并且，評估ctDNA水平和臨床結局的關聯發現，ctDNA水平除了可以用來指示分期，還可以作為有力的預后指標，指示復發、轉移的可能性。

　　在確定肺癌來源的ctDNA特征，及其與血液內正常造血細胞釋放的DNA片段的突變差別后，研究團隊開發了一種評估肺癌的人工智能程序，他們稱之為“血漿中肺癌可能性”（Lung-CLiP）。

　　這套系統把分子測序與機器學習整合在一起，訓練AI“驗血”，評估血液中檢測到的游離DNA片段，有多大可能源自肺部腫瘤，并且根據臨床需求調整敏感性和特異性的平衡。

　　研究人員先給模型提供了104例早期非小細胞肺癌患者的樣本和56例非癌癥的對照樣本，并且這些對照組在年齡、吸煙史等因素上同屬于肺癌高風險人群。研究人員希望在訓練后，人工智能可以把患者與未患癌的高風險人群區分開來。訓練完畢后，通過另一組由46個早期病例和48例對照的獨立隊列，研究人員驗證了Lung-CliP的篩查能力。

　　“雖然還不完美，但有了像這樣的檢測方法，人們有望識別出大部分還處于早期階段的疾病，這時候的治愈可能性很高。” Diehn教授說。

　　因為確診得不夠早，有太多的人死于肺癌。而這項利用機器學習的新研究為我們提供了一種富有前景的早篩方法，我們期待在經過更大規模的驗證后，人工智能助力的液體活檢技術可以幫助更多人早發現肺癌，挽救更多生命。