《自然》雜志發(fā)表有關(guān)癌癥診斷的重要研究，美國(guó)加州大學(xué)圣地亞哥分校（UCSD）研究者，訓(xùn)練人工智能從血液中鑒定來(lái)自微生物的線索，不僅可以識(shí)別出癌癥，還能對(duì)不同類型的癌癥做出區(qū)分。有研究機(jī)構(gòu)評(píng)價(jià)指出，這項(xiàng)新的診斷工具，可能會(huì)改變?nèi)藗冇^察和診斷癌癥的方式。

現(xiàn)有的液體活檢技術(shù)，多是檢測(cè)基因組，如血中循環(huán)腫瘤細(xì)胞DNA或特定蛋白質(zhì)，該研究提示可藉由體內(nèi)的外來(lái)者提示腫瘤信息。近年來(lái)越來(lái)越多的研究證據(jù)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(xì)菌可能引發(fā)結(jié)直腸癌，還可能通過(guò)免疫系統(tǒng)影響肝癌發(fā)生、誘發(fā)白血病等。研究者猜測(cè)，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(lái)自微生物的遺傳信息，或可據(jù)其特征識(shí)別機(jī)體內(nèi)的腫瘤。

研究者通過(guò)已有的人類腫瘤樣本，確認(rèn)腫瘤相關(guān)的微生物核酸特征，從癌癥基因組圖譜（TCGA）數(shù)據(jù)庫(kù)獲得了約18 000份樣本，對(duì)其全基因組數(shù)據(jù)（DNA序列）和全轉(zhuǎn)錄組數(shù)據(jù)（RNA序列）進(jìn)行了檢測(cè)，這些樣本覆蓋33種腫瘤、10 000余例病例，包括原發(fā)和復(fù)發(fā)腫瘤及轉(zhuǎn)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(dú)特的微生物特征后，研究者將工作交給了人工智能（AI），訓(xùn)練機(jī)器學(xué)習(xí)模型來(lái)挖掘數(shù)據(jù)，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(cè)序等步驟可能存在的微生物污染問(wèn)題，研究者對(duì)數(shù)據(jù)集進(jìn)行了嚴(yán)格的生物信息學(xué)過(guò)濾。在將Ⅲ、Ⅳ期腫瘤數(shù)據(jù)從數(shù)據(jù)集中去除后，發(fā)現(xiàn)模型依然可對(duì)許多腫瘤作出區(qū)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(shí)世界數(shù)據(jù)中進(jìn)行驗(yàn)證，研究者分析了來(lái)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(duì)每份血漿中的微生物核酸特征進(jìn)行鑒定，并與69名健康無(wú)癌受試者的血樣進(jìn)行比較。分析結(jié)果顯示，機(jī)器學(xué)習(xí)模型不僅可以區(qū)分患癌和無(wú)癌的樣本，還相當(dāng)擅長(zhǎng)區(qū)分不同類型的腫瘤：以86%的敏感性識(shí)別出肺癌患者，對(duì)于無(wú)肺部疾病的個(gè)體未出現(xiàn)假陽(yáng)性報(bào)告，并以81%的準(zhǔn)確率區(qū)分出前列腺癌和肺癌。

研究者認(rèn)為，該研究邁出了只要一管血便能全面了解腫瘤細(xì)胞DNA和患者微生物群DNA的重要一步，若該研究結(jié)果得到證實(shí)，可能會(huì)對(duì)腫瘤患者診療和癌癥早診帶來(lái)重要影響。同期刊載的述評(píng)中有評(píng)論者指出，該研究作為一項(xiàng)早期的概念驗(yàn)證研究，這種檢測(cè)方法應(yīng)用到臨床還需要做大量工作，對(duì)于微生物在人體內(nèi)的作用及在腫瘤微環(huán)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(kāi)始。