Nature:機器學習再立功!史丹佛大牛團隊實現無創早期肺癌篩查

AMiner學術頭條發表於2020-03-27

傳統的肺癌篩查,一般推薦高危群體做 CT 掃描,這種模式已被證明能減少肺癌相關死亡。不過,由於費用高、篩查專案少以及對假陽性的擔憂,這種篩查的使用度並不高。即使在美國,也僅有約 5% 符合條件的個體會通過 CT 掃描進行肺癌篩查。

而基於液體活檢技術的血液檢測,是一種當前頗受歡迎的癌症新型檢測方法,但大部分液體活檢的適用物件,往往是癌症晚期患者,畢竟這些群體的血液中比早期患者擁有更高水平的腫瘤相關 DNA 標記。

Nature:機器學習再立功!史丹佛大牛團隊實現無創早期肺癌篩查

在 Nature 近日發表的最新論文中,來自史丹佛大學的 Maximilian Diehn 及其同事,優化了一種現有的評估迴圈腫瘤 DNA(ctDNA)的測序方法。

他們改善了 DNA 的提取,鑑定出有望作為有效疾病標記的變化。研究人員用該方法表明,儘管 ctDNA 在早期肺癌患者體內水平很低,卻是一個很有力的預後指標。

研究人員隨後用這些資料改進了一種機器學習方法,將其用來預測血樣中存在的肺癌源性 DNA。在由 104 例早期非小細胞肺癌患者和 56 例匹配對照組成的初期樣本中,這種方法可以區分早期肺癌患者與風險匹配的對照;在另一個由 46 例病例和 48 例對照組成的獨立驗證佇列中,研究人員確認了以上結果。

備受關注的液體活檢

近幾年,癌症液體活檢的表現格外引人關注。作為體外診斷的一個分支,液體活檢可以通過非侵入性取樣降低檢測危害,而且高效準確,價效比高。

即使沒有進行治療,癌細胞也會在正常情況下不斷分裂和死亡。當癌細胞死亡時,它們將 DNA 碎片釋放到血液中,學會閱讀這些資訊,可以使臨床醫生快速、無創地監測腫瘤的存在和大小,患者對治療的反應以及腫瘤面對治療時隨著時間的發展變化。

目前,液體活檢的檢測物件有迴圈腫瘤細胞(CTCs),迴圈腫瘤 DNA(ctDNA),迴圈 RNA(circulating RNA)和外泌體。其中,ctDNA 因研究前景廣闊,受到越來越多的關注。ctDNA(circulating tumor DNA)是遊離 DNA(cell-free DNA,cfDNA)中的一類,帶有特徵性標記,可通過高通量測序技術實現對它的定性、定量和追蹤。

Nature:機器學習再立功!史丹佛大牛團隊實現無創早期肺癌篩查

目前已發現的 ctDNA 特徵性標記包括位點突變、核小體佔有率及甲基化修飾差異,可根據這些指標的差異進行腫瘤的早期診斷、動態監測腫瘤的發生發展及療效、耐藥檢測、復發風險評估和預後預測等。

美國史丹佛大學 Maximilian Diehn 教授曾表示,ctDNA 不僅可以診斷實體腫瘤,而且能夠監測治療反應以及探查微小殘留病灶、靶向治療耐藥突變,可能是優選的無創腫瘤篩查方法。“這一領域令人興奮的事件之一是,迴圈腫瘤 DNA 可以應用於許多不同的臨床情況。”

分子技術與機器學習的結合

在這項最新研究中,研究人員介紹了一種通過深度測序 (CAPP-Seq) 來分析迴圈腫瘤 DNA 的方法,從而更好地實現癌症早期篩查和個性化分析。

研究人員發現,儘管早期肺癌的 ctDNA 水平很低,但在大多數患者接受治療之前,ctDNA 就已經存在,而且它的存在具有很強的預後意義。

Nature:機器學習再立功!史丹佛大牛團隊實現無創早期肺癌篩查Maximilian Diehn 和 Ash Alizadeh 領導的團隊進行了本次研究研究人員還發現,肺癌患者遊離 DNA (cfDNA) 的大多數體細胞突變,反映的是克隆性造血突變(突變來自於白細胞),並且是非複發性的。與腫瘤衍生突變相比,克隆造血突變發生在較長的 cfDNA 片段上,並且缺乏與吸菸相關的突變特徵。

將這些發現與其他分子特徵結合起來,研究人員開發並前瞻性地驗證了一種被稱為 “血漿中肺癌可能性”(lung cancer likelihood in plasma, lung - clip) 的機器學習演算法,可以很好地將早期肺癌患者與風險匹配對照組區分開來。

Nature:機器學習再立功!史丹佛大牛團隊實現無創早期肺癌篩查血漿中肺癌可能性 (Lung-CLiP) 的原理圖研究人員表示,這種非侵入性的肺癌篩查方法,將改進的分子技術與機器學習相結合,以檢測血液樣本中肺癌細胞來源的 cfDNA 的存在,可以實現使用血漿檢測出相當一部分早期肺癌。

而且不同於以往試圖開發泛癌種篩查分析的液體活檢研究,研究人員這次把重點放在了非小細胞肺癌上,利用肺癌特有的特徵,來降低了未被識別的混雜因素對檢測結果的影響。

此外,不像以前的研究沒有進行驗證或使用對照佇列交叉驗證,鈣研究使用獨立驗證,避免了模型過度擬合導致結果過於樂觀的可能。

研究人員認為,Lung-CLiP 的一個潛在應用是作為一種高風險人群的初步篩查,陽性的患者可以進一步檢測確診,這可能會增加每年進行肺癌篩查的人數,從而拯救更多的生命。

論文標題:

Integrating genomic features for noninvasive early lung cancer detection

論文摘要:

Nature:機器學習再立功!史丹佛大牛團隊實現無創早期肺癌篩查

論文地址:

https://doi.org/10.1038/s41586-020-2140-0

相關文章