广东医生研发出肿瘤标志物高灵敏度检测新技术

　　近日，《柳叶刀-数字健康》发表了题为“基于高灵敏度检测平台辅助诊断食管鳞状细胞癌：一项中国多中心病例对照诊断试验”的研究成果。记者获悉，该成果由中山大学肿瘤防治中心联合河南省肿瘤医院、汕头大学医学院附属肿瘤医院、中山市人民医院合作完成，研发出一种新型高灵敏检测平台，有望为肿瘤早诊早筛提供高效的技术支持。

　　论文共同第一作者、中山大学肿瘤防治中心博士王域表示，内镜筛查有助于早期发现食管癌、有效降低死亡率，但由于其成本高、依从性差和潜在的并发症，在人群水平上实施可行性较低。血清学肿瘤标志物检测是潜在的替代方案。然而，目前临床上传统的蛋白检测技术敏感性较低，难以检测到癌症早期低丰度的循环肿瘤标志物。因此，迫切需要研发更高灵敏度的检测方法以辅助肿瘤早期诊断和筛查。

　　该研究聚焦于肿瘤早期诊断和筛查长期存在的技术瓶颈——检测方法敏感性不足这一难题，以食管癌作为研究模型，研发了一种基于金纳米颗粒辅助、单链DNA串联子多重激活CRISPR/Cas12a的新型高灵敏检测平台——SENSORS，有望作为一种无创的辅助诊断和筛查工具，为肿瘤早诊早筛提供重要的技术支持。

　　论文共同通讯作者、中山大学肿瘤防治中心教授曾木圣表示，该研究联合金纳米颗粒标记技术、基于引物交换反应的单链DNA串联子合成技术和CRISPR/Cas12a系统，建立了一种集收集模块、信号转换模块、信号放大模块、信号报告模块和结果分析模块为一体的新型、高灵敏度检测平台，命名为SENSORS。

　　据介绍，通过与传统的酶联免疫吸附试验和电化学发光免疫分析仪方法进行同步对比，研究团队发现SENSORS平台具有更高的检测敏感性和更宽的线性检测范围。在检测临床广泛使用的肿瘤标志物——鳞状细胞癌抗原（SCCA）时，相比于传统的酶联免疫吸附试验（曲线下面积：0.63）和电化学发光免疫分析仪（曲线下面积：0.61），SENSORS平台的诊断性能显著提升（曲线下面积：0.87）。

　　进一步收集了来自中山大学肿瘤防治中心、河南省肿瘤医院、汕头大学医学院附属肿瘤医院三个中心超过2000例的临床队列样本，以及来自潮汕地区的人群筛查队列和四会市、中山市的前瞻性队列共176例巢式病例对照研究样本，利用SENSORS平台检测了研究团队前期鉴定的食管癌相关肿瘤标志物SCCA和MMP13的血清学水平，发现该平台在内部验证集和两个独立的外部验证集的诊断曲线下面积达0.86-0.97，灵敏度达84.8%-95.2%，对于前瞻性人群队列样本的诊断曲线下面积达0.79-0.83。

　　在此基础上，研究团队联合患者基线资料、流行病学危险因素和多种肿瘤标志物水平构建了六种机器学习模型，进一步筛选发现随机森林算法展现出最高的预测效能。通过特征选择过程，研究团队最终构建了由年龄、SCCA、MMP13、CEA和NSE五个特征组成的简化随机森林预测模型，在多中心验证队列中验证了该模型的曲线下面积达0.89-0.99，灵敏度达88.6%-98.4%，显示出较高的诊断能力。

　　论文共同通讯作者、中山大学肿瘤防治中心教授刘万里表示，相比于传统的酶联免疫吸附试验和电化学发光免疫分析仪，SENSORS显示出更高的敏感性，其诊断效能在多中心临床队列和人群队列中得到验证，进一步联合机器学习算法构建风险预测模型可便于临床转化。该平台有望作为一种微创的辅助诊断和筛查工具，为将来临床肿瘤早诊早筛提供高效的技术支持。