癌症是導致人類死亡的最主要原因之一，其通常很難發現，直到為時已晚。但這種情況可能會發生改變。研究人員開發了一種新型的AI血液測試，可以準確地檢測出50多種不同型別的癌症，甚至可以識別其在體內的位置。
癌症種類繁多，幾乎不可能透過常規檢查來密切關注所有癌症。取而代之的是，通常在患者出現症狀後，直到醫生開始專門尋找它時，才可以發現該疾病。到那時，在很多情況下可能為時已晚。理想情況下，醫生將對患者進行常規檢查，以發現可能正在體內出現的任何型別的癌症，從而為治療提供成功的最佳方法。這就是新研究正在努力的方向。
該測試使用機器學習演算法搜尋與癌症相關的DNA的特定化學變化，稱為甲基化模式。它以無細胞DNA（cfDNA）的形式發現，該DNA從許多細胞（包括腫瘤）脫落到血液中。研究人員首先在迴圈無細胞基因組圖譜（CCGA）中利用3000多種血液樣本進行了機器學習演算法訓練。其中一半患有癌症-是50種不同型別的癌症之一，而另一半則沒有。一旦演算法瞭解了要尋找的甲基化模式，就可以對另外1200個樣本進行分類。
可以肯定的是，這項新測試在很大程度上取得了成功，對以後的癌症檢測更加準確。它能夠檢測出18％的I期腫瘤，43％的II期腫瘤，81％的III期腫瘤和93％的IV期腫瘤。它還能夠以93％的準確度查明癌症起源於哪個組織，重要的是，假陽性率僅為0.7％。
“這些資料支援該靶向甲基化測試滿足我們認為可用於人群水平篩查的多癌症早期檢測血液測試的基本要求的能力：一次檢測多種致命癌症型別的能力。該研究的假陽性率極低，並且能夠以較高的準確度識別癌症在體內的位置，從而可以幫助醫療保健提供者指導下一步的診斷和護理步驟。”
研究小組說，結果應該可以推廣到更大的人群，但是在更大的群體中還需要進行更多的測試。也有一些問題需要解決。研究人員表示，由於某種原因，由人乳頭瘤病毒（HPV）引起的癌症使系統更難以確定癌症的位置。另外，患者並沒有整整一年被追蹤，因此他們不能排除某些“非癌症”受試者確實患有該疾病的可能性。但是主要的缺點是早期癌症的檢出率仍然很低。毫無疑問，改進此方法將是該方法未來成功的重要因素。儘管如此，普遍的共識似乎是這是一個有希望的突破。
未參與這項研究的新南威爾士大學的克里斯蒂娜·沃頓說：“這是一項令人激動的工作，將最先進的實驗室技術與人工智慧結合在一起。它突出了檢測血液中癌症DNA的潛力。這項研究的優勢之一是包括了來自健康人的大量樣本。您需要從沒有癌症的人那裡獲得許多樣本，以證明該測試不會產生假陽性結果，而這項研究有數千項。最後，該篩查測試和所有癌症篩查測試所面臨的挑戰是如何識別早期的小型癌症。晚期癌症更容易發現。我要說，發現較小的、早期的仍在進行中。”
這項工作建立在通用癌症血液檢測的先前進展的基礎上，該檢測也尋找cfDNA甲基化模式，但僅針對20種癌症進行了檢測。其他人則在尋找血液中癌症的不同跡象，例如基因突變、血小板RNA分佈圖、白細胞受損、某些蛋白質水平升高，甚至來自受腫瘤影響的微生物的DNA。
儘管所有這些癌症篩查測試距臨床應用還有很長的路要走，但令人鼓舞的是在該領域看到如此有希望的結果。而最新的似乎是最準確、影響最廣泛的之一。
最新研究發表在《Annals of Oncology》雜誌上。
癌症是導致人類死亡的最主要原因之一，其通常很難發現，直到為時已晚。但這種情況可能會發生改變。研究人員開發了一種新型的AI血液測試，可以準確地檢測出50多種不同型別的癌症，甚至可以識別其在體內的位置。
癌症種類繁多，幾乎不可能透過常規檢查來密切關注所有癌症。取而代之的是，通常在患者出現症狀後，直到醫生開始專門尋找它時，才可以發現該疾病。到那時，在很多情況下可能為時已晚。理想情況下，醫生將對患者進行常規檢查，以發現可能正在體內出現的任何型別的癌症，從而為治療提供成功的最佳方法。這就是新研究正在努力的方向。
該測試使用機器學習演算法搜尋與癌症相關的DNA的特定化學變化，稱為甲基化模式。它以無細胞DNA（cfDNA）的形式發現，該DNA從許多細胞（包括腫瘤）脫落到血液中。研究人員首先在迴圈無細胞基因組圖譜（CCGA）中利用3000多種血液樣本進行了機器學習演算法訓練。其中一半患有癌症-是50種不同型別的癌症之一，而另一半則沒有。一旦演算法瞭解了要尋找的甲基化模式，就可以對另外1200個樣本進行分類。
可以肯定的是，這項新測試在很大程度上取得了成功，對以後的癌症檢測更加準確。它能夠檢測出18％的I期腫瘤，43％的II期腫瘤，81％的III期腫瘤和93％的IV期腫瘤。它還能夠以93％的準確度查明癌症起源於哪個組織，重要的是，假陽性率僅為0.7％。
“這些資料支援該靶向甲基化測試滿足我們認為可用於人群水平篩查的多癌症早期檢測血液測試的基本要求的能力：一次檢測多種致命癌症型別的能力。該研究的假陽性率極低，並且能夠以較高的準確度識別癌症在體內的位置，從而可以幫助醫療保健提供者指導下一步的診斷和護理步驟。”
研究小組說，結果應該可以推廣到更大的人群，但是在更大的群體中還需要進行更多的測試。也有一些問題需要解決。研究人員表示，由於某種原因，由人乳頭瘤病毒（HPV）引起的癌症使系統更難以確定癌症的位置。另外，患者並沒有整整一年被追蹤，因此他們不能排除某些“非癌症”受試者確實患有該疾病的可能性。但是主要的缺點是早期癌症的檢出率仍然很低。毫無疑問，改進此方法將是該方法未來成功的重要因素。儘管如此，普遍的共識似乎是這是一個有希望的突破。
未參與這項研究的新南威爾士大學的克里斯蒂娜·沃頓說：“這是一項令人激動的工作，將最先進的實驗室技術與人工智慧結合在一起。它突出了檢測血液中癌症DNA的潛力。這項研究的優勢之一是包括了來自健康人的大量樣本。您需要從沒有癌症的人那裡獲得許多樣本，以證明該測試不會產生假陽性結果，而這項研究有數千項。最後，該篩查測試和所有癌症篩查測試所面臨的挑戰是如何識別早期的小型癌症。晚期癌症更容易發現。我要說，發現較小的、早期的仍在進行中。”
這項工作建立在通用癌症血液檢測的先前進展的基礎上，該檢測也尋找cfDNA甲基化模式，但僅針對20種癌症進行了檢測。其他人則在尋找血液中癌症的不同跡象，例如基因突變、血小板RNA分佈圖、白細胞受損、某些蛋白質水平升高，甚至來自受腫瘤影響的微生物的DNA。
儘管所有這些癌症篩查測試距臨床應用還有很長的路要走，但令人鼓舞的是在該領域看到如此有希望的結果。而最新的似乎是最準確、影響最廣泛的之一。
最新研究發表在《Annals of Oncology》雜誌上。