根據 Nature 雜志今天發表的一項研究，斯坦福大學研究人員開發了一種機器學習方法，能夠實現早期肺癌患者的鑒別篩查。這一方法基于檢測血樣中的腫瘤源性 DNA（即液體活檢），也就意味著對肺癌高危人群的篩查，做到了早期且無創。

傳統的肺癌篩查，一般推薦高危群體做 CT 掃描，這種模式已被證明能減少肺癌相關死亡。不過，由于費用高、篩查項目少以及對假陽性的擔憂，這種篩查的使用度并不高。即使在美國，也僅有約 5% 符合條件的個體會通過 CT 掃描進行肺癌篩查。

而基于液體活檢技術的血液檢測，是一種當前頗受歡迎的癌癥新型檢測方法，但大部分液體活檢的適用對象，往往是癌癥晚期患者，畢竟這些群體的血液中比早期患者擁有更高水平的腫瘤相關 DNA 標記。

在 Nature 今天發表的最新論文中，來自斯坦福大學的 Maximilian Diehn 及其同事，優化了一種現有的評估循環腫瘤 DNA（ctDNA）的測序方法。

他們改善了 ***出有望作為有效疾病標記的變化。研究人員用該方法表明，盡管 ctDNA 在早期肺癌患者體內水平很低，卻是一個很有力的預后指標。

研究人員隨后用這些數據改進了一種機器學習方法，將其用來預測血樣中存在的肺癌源性 DNA。在由 104 例早期非小細胞肺癌患者和 56 例匹配對照組成的初期樣本中，這種方法可以區分早期肺癌患者與風險匹配的對照；在另一個由 46 例病例和 48 例對照組成的獨立驗證隊列中，研究人員確認了以上結果。

備受關注的液體活檢

近幾年，癌癥液體活檢的表現格外引人關注。作為體外診斷的一個分支，液體活檢可以通過非侵入性取樣降低檢測危害，而且高效準確，性價比高。

即使沒有進行治療，癌細胞也會在正常情況下不斷分裂和死亡。當癌細胞死亡時，它們將 DNA 碎片釋放到血液中，學會閱讀這些信息，可以使臨床醫生快速、無創地監測腫瘤的存在和大小，患者對治療的反應以及腫瘤面對治療時隨著時間的發展變化。

目前，液體活檢的檢測對象有循環腫瘤細胞（CTCs），循環腫瘤 DNA（ctDNA），循環 RNA（circulating RNA）和外泌體。其中，ctDNA 因研究前景廣闊，受到越來越多的關注。ctDNA（circulating tumor DNA）是游離 DNA（cell-free DNA，cfDNA）中的一類，帶有特征性標記，可通過高通量測序技術實現對它的定性、定量和追蹤。

目前已發現的 ctDNA 特征性標記包括位點突變、核小體占有率及甲基化修飾差異，可根據這些指標的差異進行腫瘤的早期診斷、動態監測腫瘤的發生發展及療效、耐藥檢測、復發風險評估和預后預測等。

美國斯坦福大學 Maximilian Diehn 教授曾表示，ctDNA 不僅可以診斷實體腫瘤，而且能夠監測治療反應以及探查微小殘留病灶、靶向治療耐藥突變，可能是優選的無創腫瘤篩查方法。“這一領域令人興奮的事件之一是，循環腫瘤 DNA 可以應用于許多不同的臨床情況。”

分子技術與機器學習的結合

在這項最新研究中，研究人員介紹了一種通過深度測序 （CAPP-Seq） 來分析循環腫瘤 DNA 的方法，從而更好地實現癌癥早期篩查和個性化分析。

研究人員發現，盡管早期肺癌的 ctDNA 水平很低，但在大多數患者接受治療之前，ctDNA 就已經存在，而且它的存在具有很強的預后意義。

Maximilian Diehn 和 Ash Alizadeh 領導的團隊進行了本次研究

研究人員還發現，肺癌患者游離 DNA （cfDNA） 的大多數體細胞突變，反映的是克隆性造血突變（突變來自于白細胞），并且是非復發性的。與腫瘤衍生突變相比，克隆造血突變發生在較長的 cfDNA 片段上，并且缺乏與吸煙相關的突變特征。

將這些發現與其他分子特征結合起來，研究人員開發并前瞻性地驗證了一種被稱為 “血漿中肺癌可能性”（lung cancer likelihood in plasma， lung - clip） 的機器學習算法，可以很好地將早期肺癌患者與風險匹配對照組區分開來。

血漿中肺癌可能性 （Lung-CLiP） 的原理圖

研究人員表示，這種非侵入性的肺癌篩查方法，將改進的分子技術與機器學習相結合，以檢測血液樣本中肺癌細胞來源的 cfDNA 的存在，可以實現使用血漿檢測出相當一部分早期肺癌。

而且不同于以往試圖開發泛癌種篩查分析的液體活檢研究，研究人員這次把重點放在了非小細胞肺癌上，利用肺癌特有的特征，來降低了未被識別的混雜因素對檢測結果的影響。

此外，不像以前的研究沒有進行驗證或使用對照隊列交叉驗證，鈣研究使用獨立驗證，避免了模型過度擬合導致結果過于樂觀的可能。

研究人員認為，Lung-CLiP 的一個潛在應用是作為一種高風險人群的初步篩查，陽性的患者可以進一步檢測確診，這可能會增加每年進行肺癌篩查的人數，從而拯救更多的生命。

論文標題：

Integrating genomic features for noninvasive early lung cancer detection

論文摘要：