Nature子刊丨高精度、无辐射，AI检测肺癌做到了！

本文首发于公众号“临床前线”，扫描下方二维码，即可关注。

肺癌是癌症死亡的最常见原因，每年在全世界夺走近200万人的生命。然而，尽管低剂量计算机断层扫描（LDCT）筛查可以降低肺癌的死亡率，但在全球范围内接受筛查的人群比例较低，这可能是因为人们担忧假阳性成像结果的潜在危害、辐射暴露或侵入性手术导致的并发症。因此，临床上迫切需要开发替代的、非侵入性的方法来改善高危个体和普通人群的癌症筛查。

图1 肺癌的示意图（图源图虫创意）

血液检测同样识别肺癌突变

随着基因测序技术的不断发展，肺癌患者在接受靶向药物治疗前，进行基因状态检测已成为一种共识。针对特定突变的疗法改变了传统治疗癌症的方式，对引起疾病发展和治疗耐药性的基因突变的筛查已成为标准诊疗过程。

图2 肿瘤组织活检和液体活检比较（图源MedSci）

通常可以通过对肿瘤组织进行活检来完成突变筛查，但有时很难获得该组织或没有足够的DNA进行分析。此外，突变可能会在治疗过程中发生变化，这意味着患者有时会接受多次侵入性活检。

相反，血液检测技术通过二代测序检测循环中DNA来筛查基因突变，已逐渐显示出其优势。由于循环中DNA通过血液检测方便易得，这最终为患者提供了更多的治疗选择，并帮助他们避免侵入性活检的不适和不便。

图3 2019年AACR年会MD安德森癌症中心（图源官网）

在2019年AACR年会上，由德克萨斯大学MD安德森癌症中心的研究人员报道的一项多中心研究表明，血液活检测试与组织活检在检测指南推荐的晚期非小细胞肺癌 (NSCLC) 生物标志物方面具有可比性，而且血液活检检测周期更短，并且支持识别更多可以接受靶向治疗的患者[1]。

读取血液cfDNA检测肺癌基因变异

血浆游离DNA（cfDNA）是外周血中游离存在，不包含在完整细胞结构内的DNA，可以由正常细胞、肿瘤细胞等产生。对于孕妇来说，外周血中还存在着胎儿的游离DNA。cfDNA在产前诊断、免疫性疾病、肿瘤相关分析等方面具有重要潜在价值，在肿瘤分析中的价值尤为重要。

图4 cfDNA的示意图（图源doi:  10.3390/nano11071727）

cfDNA基因测序的最新技术进步使“血液活检”成为可能，这种活检有可能识别血液中存在的肿瘤衍生DNA中的致癌驱动因素，并捕获单个部位活检无法解决的肿瘤内异质性问题。

美国的研究人员使用了一种分析患者血液样本的方法，称为“超深度二代测序”，其将读取cfDNA平均50,000次，以确保在检测37个通常与肺癌相关的基因中的任何一个基因的变异时仍具有最大的准确性[2]。

图5 doi: 10.1093/annonc/mdz046

研究人员收集了127名诊断为晚期NSCLC患者的血液样本，这些患者已扩散转移或复发转移。共有三组患者：1）从癌组织活检中鉴定出91人的基因突变导致癌症或使其对治疗产生抗药性；2) 19名癌组织活检未检测到任何此类突变的患者；3) 17名没有组织活检可用或分析不充分的患者。

对在癌组织活检中发现有致癌突变的91名患者进行血液活检，致癌突变检出68例，真阳性率为75%。在组织活检未检出突变的19例患者中，血液活检也未检出任何突变，即无假阳性，真阴性率为100 %。在无法进行组织活检的第三组 17 名患者中，cfDNA分析检测到4名患者的癌症驱动突变。一名患者随后通过组织活检证实了这一点，而其他三名患者随后没有进行组织活检。

其研究结果表明，血液活检在肺癌治疗中可以与组织活检相辅相成。由于其 100%的高特异性，意味着没有假阳性，可以先进行液体活检，并用于指导治疗。需要注意的是，由于其75%的真阳性率，如果液体活检呈阴性，仍然需要进行组织活检。

因此，采用超深度二代测序检测cfDNA的致癌突变使得癌症“血液活检”具有可能性，但是其成本较高和真阳性率较低仍是临床亟待解决的问题，新技术的发展也许将为此癌症的诊断注入新的活力。

新型AI血液检测技术识别肺癌等

2020年8月20日，由约翰霍普金斯金梅尔癌症中心的研究人员开发了一种新型人工智能血液检测技术，可以检测来自近800名患有和未患癌症的个体样本中90%以上的肺癌[3]。

图6 DELFI血液检测（图源网络）

其核心技术是采用了DELFI（用于早期拦截的 DNA 片段评估）的测试方法，该测试使用人工智能来识别癌症患者血液中DNA片段的异常模式。DELFI将测试与临床风险因素分析、蛋白质生物标志物和计算机断层扫描(CT）相结合，可以准确地区分肺癌患者和非肺癌患者。

该研究对365人的血液样本中的cfDNA进行了基因组测序。结果显示，后来被确定患有癌症的患者在其片段组谱中存在广泛差异，而未发现患有癌症的患者具有一致的片段组谱。随后，研究人员使用385名未患癌症的人和46名患有癌症的不同人群验证了DELFI技术。总体而言，该方法检测到超过90%的肺癌患者。

DELFI使用机器学习（一种人工智能）帮助识别癌症的存在，以检查数百万个无细胞DNA片段的异常模式，包括不同基因组区域中DNA的大小和数量。这种方法提出了“片段组”cfDNA的观点。研究人员说，DELFI方法只需要对基因组进行低覆盖率测序，使这项技术在筛选环境中具有成本效益。

除了肺癌外，DELFI测试还可用于其他肿瘤。约翰霍普金斯金梅尔癌症中心通过DELFI测试来检测7种不同类型癌症的存在。在来自美国、丹麦和荷兰的208名患有不同阶段的乳腺癌、结肠直肠癌、肺癌、卵巢癌、胰腺癌、胃癌或胆管癌的患者的血液样本中，57%到99%以上的血液样本中准确检测到癌症DNA的存在[4]。

而且当DELFI和基于突变的cfDNA分析相结合时，研究人员可以准确检测91% 的癌症患者。由于该测试易于管理且采用简单廉价的实验室方法，该文章作者预计该测试最终可能比其他癌症筛查测试（包括其他当前的cfDNA测试）更具成本效益。

作者：S.Yi

本文首发于公众号“临床前线”，扫描下方二维码，即可关注。

参考文献

[1] https://medicalxpress.com/news/2019-02-liquid-biopsy-effective-tissue-non-small.html

[2] Li B T , Janku F , Jung B , et al. Ultra-deep next-generation sequencing of plasma cell-free DNA in patients with advanced lung cancers: results from the Actionable Genome Consortium[J]. Annals of Oncology, 2019, 30( 4):597-603.

[3] Dimitrios Mathios, Jakob Sidenius Johansen, et al. Detection and characterization of lung cancer using cell-free DNA fragmentomes[J]. Nature Communications volume 12, Article number: 5060 (2021)

[4] https://medicalxpress.com/news/2019-05-blood-dna-packaging-patterns-multiple.html