頂尖學術期刊《自然》今天上線了一項有關癌癥診斷的重要研究。來自加州大學圣地亞哥分校（UCSD）的科學家，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。研究機構評價說，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”。

?

我們知道，目前大多數癌癥在診斷時需要進行手術活檢，從可疑的腫瘤部位取出樣本，并由富有經驗的專家尋找某些與癌癥相關的分子標記物。這樣的方法耗時、昂貴，還因為是入侵式的，可能給患者帶來痛苦。

正因為如此，很多科研人員正在努力開發液體活檢技術，希望通過簡單的驗血，快速識別出特定的疾病。

現有的各種液體活檢技術，檢測目標大多針對我們自身的基因組，例如血液中從腫瘤脫落的DNA，或是特定的蛋白質等。而在今天要介紹的這項新技術中，研究人員另辟蹊徑，讓我們體內的“外來者”透露腫瘤的信息。
?

▲血液中既有我們自身的基因信息，也有“外來者”的基因信息

世界上幾乎各個角落都有細菌、病毒等微生物的存在，人體內也不例外。事實上，常駐人體的微生物數量遠超我們自己的細胞數量，它們的核酸片段（DNA或RNA）經血液游蕩在我們全身。

近年越來越多的研究證據開始顯示，人體微生物對多種類型的腫瘤有“貢獻”。就以微生物最豐富的部位腸道為例，學術經緯在過去也和讀者朋友們介紹過多項研究，有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的發生、誘發白血病，等等。

正在UCSD醫學院攻讀博士的Gregory Poore和他的導師Rob Knight教授也注意到了細菌、病毒和癌癥的關系，并且猜想，這些微生物在癌癥中起的作用或許比現在所知的更大。“以前的癌癥研究工作大多假設腫瘤是在無菌環境，而忽略了人的癌細胞與細菌、病毒以及其他生活在人體的微生物可能有復雜的相互作用。”Knight教授說。

▲抽一管血，檢測是否患癌以及什么癌癥，實現這樣的目標或許并不遙遠

于是，他們有了一個全新而大膽的思路：分析血液中來自微生物的遺傳物質，可以根據其特征模式來識別體內的腫瘤嗎？

研究人員第一步通過已有的人類腫瘤樣本，來確認癌癥相關的微生物核酸特征。他們從美國國家癌癥所“癌癥基因組圖集”數據庫（TCGA）獲得了大約18000份樣本，對其全基因組數據（DNA序列）和全轉錄組數據（RNA序列）重新檢查。這些樣本涵蓋了33種癌癥、10000多個病例，包括原發性和復發性腫瘤以及轉移擴散的腫瘤，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，研究人員把工作交給了人工智能，訓練機器學習模型來挖掘大量數據，把特定的微生物序列特征與特定的癌癥相匹配。

為了盡量避免在樣本采集、測序等各個步驟中可能存在的微生物污染問題，研究人員對數據集做了嚴格的生物信息學過濾。而且，在癌癥3期、4期的數據從數據集中去除后，發現模型依然可以對許多癌癥做出區分，這意味著，癌癥的早期階段就能從血液中讀取出特定的微生物核酸特征。

▲在各種組織和腫瘤中都可以發現微生物的核酸片段，利用人工智能對血液中核酸片段的特征進行識別（參考資料[2]）

接下來，要讓這套AI模型在真實世界中接收檢驗。來自UCSD Moores癌癥中心的合作者提供了包括前列腺癌、肺癌和黑色素瘤等100名患者的樣本，讓AI對每份血漿中的微生物核酸特征進行鑒定，并與69名健康無癌個體的血樣進行比較。

分析取得了令人欣喜的結果，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癌癥：以86%的敏感性識別出肺癌患者，對于無肺部疾病的個體沒有出現假陽性報告，并且以81%的準確率區分出前列腺癌和肺癌。

“只要一管血，就能夠全面了解腫瘤細胞的DNA和患者微生物群的DNA，可以說，我們邁出了重要的一步，來更好地理解癌癥中宿主-環境的相互作用。”這項研究的共同負責人、腫瘤學家Sandip Pravin Patel博士說。他相信，如果這項研究結果能經過未來的檢驗，“可能會對癌癥患者的診療和癌癥早診有重要影響”。

▲《自然》同時發表了評論，對這項研究給出積極評價

當然，作為一項早期的概念驗證研究，這種檢測方法要應用到臨床還需要做大量工作，而我們對微生物在人體中的作用、在腫瘤微環境中的作用也還有許多需要回答的問題。正如研究者所言，“這只是研究血液微生物群和癌癥相互作用的開始”。但隨著新認識的積累，我們期待一條全新的治療途徑在腳下展開。
責任編輯；zl