《自然》杂志发表有关癌症诊断的重要研究，美国加州大学圣地亚哥分校(UCSD)研究者，训练人工智能从血液中鉴定来自微生物的线索，不仅可以识别出癌症，还能对不同类型的癌症做出区分。有研究机构评价指出，这项新的诊断工具，可能会改变人们观察和诊断癌症的方式。(Nature. 2020年3月11日在线版)

目前大多数癌症在诊断时需要进行手术活检，从可疑的肿瘤部位取出样本，并由有经验的专家寻找某些与癌症相关的分子标志物。这种方法耗时、昂贵，还因为是有创的，可能给患者带来痛苦。因此，很多研究者在努力开发液体活检技术，希望通过简单的验血，快速识别特定疾病。

现有的液体活检技术，多是检测基因组，如血中循环肿瘤细胞DNA或特定蛋白质，该研究提示可藉由体内的外来者提示肿瘤信息。近年来越来越多的研究证据显示，人体微生物在多种类型肿瘤中扮演重要角色。如某些肠道细菌可能引发结直肠癌，还可能通过免疫系统影响肝癌发生、诱发白血病等。研究者猜测，这些微生物在肿瘤中起的作用比我们已知的要大，分析血液中来自微生物的遗传信息，或可据其特征识别机体内的肿瘤。

研究者通过已有的人类肿瘤样本，确认肿瘤相关的微生物核酸特征，从癌症基因组图谱(TCGA)数据库获得了约18000份样本，对其全基因组数据(DNA序列)和全转录组数据(RNA序列)进行了检测，这些样本覆盖33种肿瘤、10000余例病例，包括原发和复发肿瘤及转移瘤，既有肿瘤组织也有相邻组织和血液样本。

从几千份样本中找到独特的微生物特征后，研究者将工作交给了人工智能(AI)，训练机器学习模型来挖掘数据，将特定的微生物序列特征与特定的肿瘤相匹配。

为尽量避免在样本采集、测序等步骤可能存在的微生物污染问题，研究者对数据集进行了严格的生物信息学过滤。在将Ⅲ、Ⅳ期肿瘤数据从数据集中去除后，发现模型依然可对许多肿瘤作出区分，提示在肿瘤的早期阶段即可从血液中读取出特定的微生物核酸特征。

为将这一AI模型在真实世界数据中进行验证，研究者分析了来自Moores癌症中心的包括前列腺癌、肺癌和黑色素瘤等100例患者样本，让AI对每份血浆中的微生物核酸特征进行鉴定，并与69名健康无癌受试者的血样进行比较。

分析结果显示，机器学习模型不仅可以区分患癌和无癌的样本，还相当擅长区分不同类型的肿瘤：以86%的敏感性识别出肺癌患者，对于无肺部疾病的个体未出现假阳性报告，并以81%的准确率区分出前列腺癌和肺癌。

研究者认为，该研究迈出了只要一管血便能全面了解肿瘤细胞DNA和患者微生物群DNA的重要一步，若该研究结果得到证实，可能会对肿瘤患者诊疗和癌症早诊带来重要影响。

同期刊载的述评中有评论者指出，该研究作为一项早期的概念验证研究，这种检测方法应用到临床还需要做大量工作，对于微生物在人体内的作用及在肿瘤微环境中的作用还需要深入探讨，这只是研究血液微生物群和肿瘤相互作用的开始。

(编译 隋唐)