《自然》杂志发表美国斯坦福大学人工智能用于液体活检领域的研究进展。研究者开发出一种机器学习模型，通过分析血液中的DNA突变，可以鉴别出早期肺癌患者。

近年来，液体活检技术成为了学界关注焦点，大部分液体活检技术测的是循环肿瘤DNA(ctDNA)，通过测序了解肿瘤细胞内的基因突变情况。问题是在肿瘤还很小的癌症早期阶段，血液中的ctDNA还很少。

有研究显示，大多数Ⅰ期肺癌患者血液内ctDNA水平不到0.1%，如何将这些DNA片段中的致癌突变与体内正常细胞中更为常见且基本无害的DNA突变区分开，是一个巨大的挑战，这也是为什么目前ctDNA主要用于晚期癌症检测。

为了把ctDNA检测应用到癌症早期筛查中，斯坦福大学研究者改进了现有的ctDNA检测技术。研究者过去合作开发了一种癌症个体化深度测序(CAPP-Seq)的分析方法，可以捕获患者血液样本中极少量的ctDNA，检测与非小细胞肺癌相关的突变。

利用改进的技术，研究者发现，半数Ⅰ期肺癌患者的ctDNA水平比过去公认的要低，低于0.01%，但可以在42%的Ⅰ期患者、67%的Ⅱ期患者中检测到ctDNA。评估ctDNA水平和临床结局的关联发现，ctDNA水平除了可用来指示分期，还可作为有力的预后指标，指示复发、转移的可能性。

在确定肺癌来源的ctDNA特征，及其与血液内正常造血细胞释放的DNA片段的突变差别后，研究者开发了一种评估肺癌的人工智能程序，他们称之为“血浆中肺癌可能性”(Lung-CLiP)。

这套系统把分子测序与机器学习整合在一起，训练AI“验血”，评估血液中检测到的游离DNA片段，有多大可能源自肺部肿瘤，并且根据临床需求调整敏感性和特异性的平衡。

研究者先给模型提供了104例早期非小细胞肺癌患者的样本和56例非癌的对照样本，这些对照组在年龄、吸烟史等因素上同属于肺癌高风险人群。研究者希望在训练后，人工智能可以把患者与未患癌的高风险人群区分开来。训练完毕后，通过另一组由46个早期病例和48例对照的独立队列，验证了Lung-CliP的筛查能力。

研究者认为，虽然目前尚不完美，但有了像这样的检测方法，有望识别出大部分还处于早期阶段的疾病，在治愈可能性很高的阶段干预治疗。期待经过大样本验证后，人工智能助力的液体活检技术可帮助更早发现肺癌，挽救更多生命。

(编译 赵金泽)