肿瘤检测利器：液体活检正高速迈入人工智能时代！

早在1869年，澳洲医生就首次在肿瘤患者的血液中观察到脱落的肿瘤细胞。一百年后，研究者发现了捕获这些游离细胞的磁珠，并意识到它们在肿瘤早筛、辅助诊断、术后随访、疗效评估、耐药监测等方面潜在的巨大临床和科研价值，液体活检领域随之兴起。近日，The-Scientist评选出的2018年顶级技术突破也把“AI化”的液体活检列入其中。液体活检技术旨在早期检测癌症，在治疗期间检测癌症，为癌症患者提供个性化，动态的癌症护理。那么液体活检究竟可否超越传统的组织活检呢？我们可以先看下图。

如图所示，组织活检暴露出了诸多弊端。首先，组织活检具有滞后性。其次，肿瘤具有异质性，对于癌细胞已经发生转移的患者而言，仅取某个部位的肿瘤组织，并不能反映患者的整体情况。此外，部分患者不适合做组织活检，受到手术的干扰之后，有些肿瘤有加速转移的风险，这不利于患者的治疗。2012年，美国预防服务工作组（USPSTF）发现，大约三分之一的活检患者会出现并发症。在那些活检检测前列腺癌的人中，他们有20％至30％的长期影响风险，如尿失禁和勃起功能障碍。

而就在组织活检暴露出弊端的同时，液体活检开始慢慢崭露出它的头角。

首先液体活检技术性价比高，再有它可以通过非侵入性取样，大幅降低癌症诊断与护理难度，提前诊断癌症，有效延长患者生存期。

那么这是一种怎样的技术呢？

我们知道，肿瘤虽然静静蛰伏在人体内，但是肿瘤细胞会通过滑入脉管系统而开始转移性迁移，癌细胞分泌的囊泡和自由浮动的DNA也被释放到血液中。这些细胞碎片是一堆生物标记物，可以发出癌症信号并预测其进展和对治疗的反应，而使用液体活检来检测和评估它们就具有重要意义。商业咨询公司RNCOS估计到2020年全球液体活检行业可能超过10亿美元大关。

然而，从科研到临床的道路注定坎坷，自然不能仅靠人力，少不了智能黑科技的辅助。毕竟迄今为止只能进行已知癌症突变的靶向测定。但是，许多癌症缺乏一组简单的可以识别肿瘤并随后确定最佳治疗方案的已知突变，而这恰恰让人工智能的优势有了用武之地。

目前，一些学术实验室和生物技术公司已经开始将目光投放于人工智能，致力于开发机器学习算法，这些算法可以帮助破解血液中的微弱信号，从而在早期识别癌症，并判断癌症是否对治疗有反应。

然而截至目前，设计用于检测血液样本中微量肿瘤DNA的机器学习算法虽然在研究中表现出色，但离临床转化尚有差距。它已经能够检测到大约一半通过成像诊断的早期患者的癌症，其灵敏度仅为50％。

正如大脑中的神经元一样，人工智能网络使用神经网络或数千个连接节点来解释数据，这些网络可以处理大量数据并识别可能让人感兴趣的模式。不仅如此，机器学习算法也会自我提升，随着更多数据被输入系统，它会微调算法以提高其诊断灵敏度。2018年5月，人工智能（AI）基因组学公司Freenome公司宣布了第一项针对机器学习算法的临床验证研究，该算法可筛查高风险患者血液中的DNA，RNA和蛋白质序列，以帮助诊断结直肠癌。

与此同时，癌症基因组学公司GRAIL也开展了一项大规模研究—循环无细胞基因组图谱（CCGA），研究纳入计划内的15,000名参与者中的70％，他们都患有20种癌症中的一种。，旨在利用机器学习使用白细胞基因组和cfDNA和cfDNA的数据创建一个巨大的，具有代表性的癌症突变和健康突变库。该公司已在2018年美国临床肿瘤学会（ASCO）年会上公布了初步结果。

就在今年早些时候，Landau的实验室也宣布了一种新的机器学习方法，用于检测极低量无细胞（cf）DNA中的癌症突变，并希望将其用于监测癌症治疗。该算法将来自肿瘤活检样品的全基因组序列与从血液中提取的cfDNA片段中的突变模式进行比较。科学家通常通过测量数百万个重复DNA片段中含有给定突变的数量来识别真正的肿瘤突变，越多的片段一致，组织中存在突变的可能性就越大。但由于cfDNA的片段很少，Landau的软件会在整个序列中查找复杂的突变模式，以估计片段是否已经正确测序。使用该算法在两名患者中检测到非小细胞肺癌突变，灵敏度为90％，明显优于标准液体活检技术。

如今，人工智能算法已经可以比成像提前7个月检测癌症复发。未来，肿瘤学势必将成为一个更新迭代的领域。利用人工智能分析来自多个液体活检测试的cfDNA突变，可以评估患者当前治疗进展的有效性。而相信在人工智能的推动下，液体活检的临床转化势必将加快它的步伐。

（转化医学网360zhyx.com）