頂尖學術期刊《自然》今天上線了一項有關癌癥診斷的重要研究。來自加州大學圣地亞哥分校（UCSD）的科學家，訓練人工智能從血液中鑒定來自微生物的線索，不僅可以識別出癌癥，還能對不同類型的癌癥做出區(qū)分。研究機構評價說，這項新的診斷工具，“可能會改變?nèi)藗冇^察和診斷癌癥的方式”。

我們知道，目前大多數(shù)癌癥在診斷時需要進行手術活檢，從可疑的腫瘤部位取出樣本，并由富有經(jīng)驗的專家尋找某些與癌癥相關的分子標記物。這樣的方法耗時、昂貴，還因為是入侵式的，可能給患者帶來痛苦。

正因為如此，很多科研人員正在努力開發(fā)液體活檢技術，希望通過簡單的驗血，快速識別出特定的疾病。

現(xiàn)有的各種液體活檢技術，檢測目標大多針對我們自身的基因組，例如血液中從腫瘤脫落的DNA，或是特定的蛋白質(zhì)等。而在今天要介紹的這項新技術中，研究人員另辟蹊徑，讓我們體內(nèi)的“外來者”透露腫瘤的信息。

世界上幾乎各個角落都有細菌、病毒等微生物的存在，人體內(nèi)也不例外。事實上，常駐人體的微生物數(shù)量遠超我們自己的細胞數(shù)量，它們的核酸片段（DNA或RNA）經(jīng)血液游蕩在我們?nèi)怼?/p>

近年越來越多的研究證據(jù)開始顯示，人體微生物對多種類型的腫瘤有“貢獻”。就以微生物最豐富的部位腸道為例，學術經(jīng)緯在過去也和讀者朋友們介紹過多項研究，有些腸道細菌可能引發(fā)結直腸癌，還可能通過免疫系統(tǒng)影響肝癌的發(fā)生、誘發(fā)白血病，等等。

正在UCSD醫(yī)學院攻讀博士的Gregory Poore和他的導師Rob Knight教授也注意到了細菌、病毒和癌癥的關系，并且猜想，這些微生物在癌癥中起的作用或許比現(xiàn)在所知的更大?！耙郧暗陌┌Y研究工作大多假設腫瘤是在無菌環(huán)境，而忽略了人的癌細胞與細菌、病毒以及其他生活在人體的微生物可能有復雜的相互作用?！盞night教授說。

于是，他們有了一個全新而大膽的思路：分析血液中來自微生物的遺傳物質(zhì)，可以根據(jù)其特征模式來識別體內(nèi)的腫瘤嗎？

研究人員第一步通過已有的人類腫瘤樣本，來確認癌癥相關的微生物核酸特征。他們從美國國家癌癥所“癌癥基因組圖集”數(shù)據(jù)庫（TCGA）獲得了大約18000份樣本，對其全基因組數(shù)據(jù)（DNA序列）和全轉(zhuǎn)錄組數(shù)據(jù)（RNA序列）重新檢查。這些樣本涵蓋了33種癌癥、10000多個病例，包括原發(fā)性和復發(fā)性腫瘤以及轉(zhuǎn)移擴散的腫瘤，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特的微生物特征后，研究人員把工作交給了人工智能，訓練機器學習模型來挖掘大量數(shù)據(jù)，把特定的微生物序列特征與特定的癌癥相匹配。

為了盡量避免在樣本采集、測序等各個步驟中可能存在的微生物污染問題，研究人員對數(shù)據(jù)集做了嚴格的生物信息學過濾。而且，在癌癥3期、4期的數(shù)據(jù)從數(shù)據(jù)集中去除后，發(fā)現(xiàn)模型依然可以對許多癌癥做出區(qū)分，這意味著，癌癥的早期階段就能從血液中讀取出特定的微生物核酸特征。

接下來，要讓這套AI模型在真實世界中接收檢驗。來自UCSD Moores癌癥中心的合作者提供了包括前列腺癌、肺癌和黑色素瘤等100名患者的樣本，讓AI對每份血漿中的微生物核酸特征進行鑒定，并與69名健康無癌個體的血樣進行比較。

分析取得了令人欣喜的結果，機器學習模型不僅可以區(qū)分患癌和無癌的樣本，還相當擅長區(qū)分不同類型的癌癥：以86%的敏感性識別出肺癌患者，對于無肺部疾病的個體沒有出現(xiàn)假陽性報告，并且以81%的準確率區(qū)分出前列腺癌和肺癌。

“只要一管血，就能夠全面了解腫瘤細胞的DNA和患者微生物群的DNA，可以說，我們邁出了重要的一步，來更好地理解癌癥中宿主-環(huán)境的相互作用?！边@項研究的共同負責人、腫瘤學家Sandip Pravin Patel博士說。他相信，如果這項研究結果能經(jīng)過未來的檢驗，“可能會對癌癥患者的診療和癌癥早診有重要影響”。

當然，作為一項早期的概念驗證研究，這種檢測方法要應用到臨床還需要做大量工作，而我們對微生物在人體中的作用、在腫瘤微環(huán)境中的作用也還有許多需要回答的問題。正如研究者所言，“這只是研究血液微生物群和癌癥相互作用的開始”。但隨著新認識的積累，我們期待一條全新的治療途徑在腳下展開。