檢測血中微生物特征可準確區分多種癌癥

《自然》雜志發表有關癌癥診斷的重要研究，美國加州大學圣地亞哥分校（UCSD）研究者，訓練人工智能從血液中鑒定來自微生物的線索，不僅可以識別出癌癥，還能對不同類型的癌癥做出區分。有研究機構評價指出，這項新的診斷工具，可能會改變人們觀察和診斷癌癥的方式。

現有的液體活檢技術，多是檢測基因組，如血中循環腫瘤細胞DNA或特定蛋白質，該研究提示可藉由體內的外來者提示腫瘤信息。近年來越來越多的研究證據顯示，人體微生物在多種類型腫瘤中扮演重要角色。如某些腸道細菌可能引發結直腸癌，還可能通過免疫系統影響肝癌發生、誘發白血病等。研究者猜測，這些微生物在腫瘤中起的作用比我們已知的要大，分析血液中來自微生物的遺傳信息，或可據其特征識別機體內的腫瘤。

研究者通過已有的人類腫瘤樣本，確認腫瘤相關的微生物核酸特征，從癌癥基因組圖譜（TCGA）數據庫獲得了約18 000份樣本，對其全基因組數據（DNA序列）和全轉錄組數據（RNA序列）進行了檢測，這些樣本覆蓋33種腫瘤、10 000余例病例，包括原發和復發腫瘤及轉移瘤，既有腫瘤組織也有相鄰組織和血液樣本。從幾千份樣本中找到獨特的微生物特征后，研究者將工作交給了人工智能（AI），訓練機器學習模型來挖掘數據，將特定的微生物序列特征與特定的腫瘤相匹配。

為盡量避免在樣本采集、測序等步驟可能存在的微生物污染問題，研究者對數據集進行了嚴格的生物信息學過濾。在將Ⅲ、Ⅳ期腫瘤數據從數據集中去除后，發現模型依然可對許多腫瘤作出區分，提示在腫瘤的早期階段即可從血液中讀取出特定的微生物核酸特征。為將這一AI模型在真實世界數據中進行驗證，研究者分析了來自Moores癌癥中心的包括前列腺癌、肺癌和黑色素瘤等100例患者樣本，讓AI對每份血漿中的微生物核酸特征進行鑒定，并與69名健康無癌受試者的血樣進行比較。分析結果顯示，機器學習模型不僅可以區分患癌和無癌的樣本，還相當擅長區分不同類型的腫瘤：以86%的敏感性識別出肺癌患者，對于無肺部疾病的個體未出現假陽性報告，并以81%的準確率區分出前列腺癌和肺癌。

研究者認為，該研究邁出了只要一管血便能全面了解腫瘤細胞DNA和患者微生物群DNA的重要一步，若該研究結果得到證實，可能會對腫瘤患者診療和癌癥早診帶來重要影響。同期刊載的述評中有評論者指出，該研究作為一項早期的概念驗證研究，這種檢測方法應用到臨床還需要做大量工作，對于微生物在人體內的作用及在腫瘤微環境中的作用還需要深入探討，這只是研究血液微生物群和腫瘤相互作用的開始。