《自然》带来液体活检技术新突破

　　在顶尖学术期刊《自然》26日上线的一批论文中，斯坦福大学的科学家携人工智能为液体活检领域带来一项重要进展。他们开发出一种机器学习模型，通过分析血液中的DNA突变，可以鉴别出早期肺癌患者。

　　肺癌是全球发病率最高，造成死亡人数最多的癌症。每年，它会带走将近200万条生命。尽管肺癌的诊治技术在不断提高，但很多患者在查出肺癌时已到中晚期，遗憾地错过了根治的机会。要有效减少肺癌相关死亡，早期筛查刻不容缓。

　　怎么可以早一点发现肺癌的迹象呢？对于高危人群（比如老烟民），低剂量螺旋CT是目前的一种推荐手段，医生们也证实，确实可以帮助减少死亡率。但从实际使用情况来看，调查数据显示，在美国仅有5%左右符合条件的个体会做这种CT筛查。一方面，是因为费用高、有些地方缺乏仪器设备，另一方面这种方法误诊率高，把不是肺癌的看成肺癌，给受检者造成巨大的精神压力。显然人们迫切地需要更精准、同时简单方便的筛查手段，比如“验血查癌”。

　　因此，近年来液体活检技术成为了科学家、投资者、医生们关注的焦点。大部分液体活检技术测的是循环肿瘤DNA（ctDNA），也就是释放到血液中的肿瘤DNA片段，通过测序了解肿瘤细胞内的基因突变情况。

　　原理不难理解，但问题是在肿瘤还很小的癌症早期阶段，血液中的ctDNA还很少。有研究显示，大多数I期肺癌患者血液内ctDNA水平不到0.1%，如何将这些DNA片段中的致癌突变与体内正常细胞中更为常见又基本无害的DNA突变区分开来，是一个巨大的挑战。这也是为什么目前ctDNA还主要用于晚期癌症检测的原因。

　　为了把ctDNA检测应用到癌症早期筛查中，斯坦福大学的Maximilian Diehn教授和Ash A. Alizadeh教授等人改进了现有的ctDNA检测技术。他们过去合作开发了一种癌症个体化深度测序（Capp-Seq）的分析方法，可以捕获患者血液样本中极少量的ctDNA，检测与非小细胞肺癌相关的突变。

　　这支研究团队利用改进的技术，发现半数1期肺癌患者的ctDNA水平比过去公认的更低，低于0.01%，但他们可以在42%的1期患者、67%的2期患者中检测到ctDNA。并且，评估ctDNA水平和临床结局的关联发现，ctDNA水平除了可以用来指示分期，还可以作为有力的预后指标，指示复发、转移的可能性。

　　在确定肺癌来源的ctDNA特征，及其与血液内正常造血细胞释放的DNA片段的突变差别后，研究团队开发了一种评估肺癌的人工智能程序，他们称之为“血浆中肺癌可能性”（Lung-CLiP）。

　　这套系统把分子测序与机器学习整合在一起，训练AI“验血”，评估血液中检测到的游离DNA片段，有多大可能源自肺部肿瘤，并且根据临床需求调整敏感性和特异性的平衡。

　　研究人员先给模型提供了104例早期非小细胞肺癌患者的样本和56例非癌症的对照样本，并且这些对照组在年龄、吸烟史等因素上同属于肺癌高风险人群。研究人员希望在训练后，人工智能可以把患者与未患癌的高风险人群区分开来。训练完毕后，通过另一组由46个早期病例和48例对照的独立队列，研究人员验证了Lung-CliP的筛查能力。

　　“虽然还不完美，但有了像这样的检测方法，人们有望识别出大部分还处于早期阶段的疾病，这时候的治愈可能性很高。” Diehn教授说。

　　因为确诊得不够早，有太多的人死于肺癌。而这项利用机器学习的新研究为我们提供了一种富有前景的早筛方法，我们期待在经过更大规模的验证后，人工智能助力的液体活检技术可以帮助更多人早发现肺癌，挽救更多生命。