AI增强版“滴血测癌”，有效果吗？

细菌，真菌，病毒…… 这些微生物，它们无处不在，也与人类生活息息相关。在人体的肠道内就储存着大量的微生物，它们不仅能促进食物的消化吸收，调节肠道免疫系统，还与肥胖，糖尿病以及一些肠道疾病有关。更可怕的是，近年来研究显示肠道微生物与许多肿瘤的发生发展有关。

今天 Nature 发布的一项研究显示，加州大学圣地亚哥分校研究人员通过分析癌症基因组图谱中 33 中不同类型癌症共 18116 例肿瘤样本后，发现不同类型癌症患者组织和血液内的微生物 DNA 存在差异。

为此研究人员开发了一种机器学习模型，该模型通过分析血液中微生物 DNA 的类型就可以识别受试者是否患有癌症以及癌症类型。即便是早期的癌症，血液中的微生物数据仍然可以区分出多种癌症类型。

Nature 论文

要知道，癌症之所以可怕，很大一部分原因就是在于我们很难在早期发现它，大量患者确诊时已经进入疾病晚期。那么，究竟有没有一种简单的方法能够在早期准确筛查出肿瘤的发生呢？

近年来，许多科学家对肿瘤 “液体活检” 技术产生了浓厚的兴趣，他们企图在血液中寻找肿瘤细胞破碎的 DNA，以达到癌症早期诊断的目的。因此，液体活检技术也被成为 “滴血测癌”。

2017 年 Science 上发表了一项研究，显示微生物能侵入大多数胰腺肿瘤，并分解患者服用的化疗药物。这一现象引起了加州大学圣地亚哥分校的博士研究生 Poore 的注意，他猜想，细菌和病毒所代表的信息，或许能够在癌症诊断过程中起到作用。

于是，他同微生物组创新中心主任 Knight 教授，以及一个跨学科合作小组一同开展了微生物与癌症诊断的研究。他们首先查看了癌症基因组图谱（The Cancer Genome Atlas），该图谱是美国国家癌症研究所的数据库，包含了来自成千上万名癌症患者的肿瘤基因和其他信息。他们要做的就是在人类测序数据中来筛查出微生物的 DNA。

终于，研究人员在 10418 名患者、33 种不同癌症类型的 18116 个肿瘤样本中发现了与特定癌症相关的微生物特征。其中一些与既往研究相同，如甲型乳头瘤病毒属 (Alphapapillomavirus) 和丙型肝炎病毒属（Hepacivirus）与宫颈癌、头颈癌和肝细胞癌有关，梭菌属（Fusobacterium）与胃肠道肿瘤有关。

此外，研究人员还发现微生物特征可以区分不同的癌症类型，如粪杆菌属（Faecalibacterium）可将结肠癌与其他癌症区分开来。

近年来科学家们逐渐发现，寄居在人体中的微生物与癌症发生与发展密切相关

在研究了数千个癌症样本的微生物特征后，他们训练并测试了数千种机器学习模型来将特定微生物类型与特定肿瘤关联起来，随后他们发现这些机器学习模型能够通过患者血液中微生物数据来区分患者的癌症类型。

然而，在癌症极难被发现的早期阶段，这些发现是否有效呢？

为此，研究人员将晚期癌症（Ⅲ 期和 Ⅳ 期）患者从数据库中剔除出去，发现通过患者血液中的微生物数据，仍然可以将许多早期癌症类型区分开来。当研究团队去除 90% 以上微生物数据以此对样本进行了最严格的生物信息学净化后，结果依然有效。

接下来，研究人员着手验证这些机器学习模型是否实现癌症早期诊断。

他们分析了来自加州大学圣地亚哥分校摩尔癌症中心的 59 名前列腺癌患者、25 名肺癌患者和 16 名黑色素瘤患者，以及 69 名未确诊癌症个体的血液血浆样品，结果发现这些机器学习模型能够将大多数癌症患者与非癌症患者区分出来。

该模型诊断肺癌的敏感性（真阳性，检测出确实患有癌症的能力）是 86%，特异性（真阴性，检测出确实没有患癌的能力）是 100%，此外，该模型也能将不同癌症类型区分开来，如该模型区分前列腺癌和肺癌患者的敏感性是 81%。

研究人员表示，这个模型不仅仅是一个诊断癌症的工具，也可以对癌症治疗过程进行长期的监测。如果在今后测试中这些结果依然有效，那么这对于癌症患者治疗和癌症的早期诊断将有重要的意义。

组织和血液中的微生物 DNA

目前，大多数癌症的确诊需要通过手术将肿瘤取出，随后由病理学家对肿瘤进行分析（即活检）。这种方法不仅会给患者带来巨大的创伤，而且价格昂贵且耗时。

现在一些公司试图开展 “液体活检” 技术，试图通过简单的抽血并检测来自肿瘤的循环 DNA 来快速诊断癌症。该方法已经可以用于监测某些确诊癌症患者的疾病进展，但美国食品和药物管理局 (FDA) 尚未将其批准用于癌症的确诊。

圣地亚哥精确免疫治疗中心的副主任 Patel 表示，虽然液体活检和癌症早期诊断发展迅速，但目前的液体活检技术还不能区分早期癌症和正常基因突变患者。因此，现在的液体活检技术往往存在假阴性结果。

这样一来，与检测血液中循环肿瘤 DNA 相比，检测血液中肿瘤相关微生物 DNA 的优势就显而易见，它不仅能够在癌症早期准确检测癌症的存在和类型，也可以检测到存在正常基因突变的癌症患者。

尽管如此，研究人员指出，基于微生物 DNA 来确诊癌症的方法仍可能存在假阴性的结果，但今后他们会使用更多的数据来完善这个机器学习模型，使这个新方法更加准确。

研究人员同时表示，即使利用该机器学习模型来确诊癌症，患者仍可能需要进一步的检查来确定肿瘤的阶段及其位置。

微生物组创新中心主任 Knight 教授表示，“先前几乎所有的研究都假定肿瘤是一个没有微生物存在的环境，同时忽略了癌细胞可能与人体内细菌、病毒和其他微生物之间复杂的相互作用。事实上，我们体内微生物基因的数量远远超过人类基因数量，因此它们能为我们健康提供重要的线索也就不足为奇。我们希望这项研究能够鼓励科学家能够清醒认识微生物，而癌症诊断可能只是一个开始。”

论文原文链接：

https://www.nature.com/articles/s41586-020-2095-1

同期评论文章链接：

https://www.nature.com/articles/d41586-020-00637-w

参考资料：

https://www.eurekalert.org/emb_releases/2020-03/uoc--mdi030920.php