-
生物通官微
陪你抓住生命科技
跳动的脉搏
癌症诊断有哪些新方法?BioTechniques来为你盘点
【字体: 大 中 小 】 时间:2020年04月15日 来源:生物通
编辑推荐:
根据第三版的全球癌症地图,2018年癌症新发病例就超过1800万,死亡病例达到960万。为了实现早发现早治疗,研究人员在不断开发癌症诊断技术,以提高诊断和预后的准确性。这一期的《BioTechniques》就介绍了癌症诊断的新方法。
如今,虽然人们不再谈癌色变,但癌症仍然是一个重大的公共卫生负担和经济问题。根据第三版的全球癌症地图,2018年癌症新发病例就超过1800万,死亡病例达到960万。为了实现早发现早治疗,研究人员在不断开发癌症诊断技术,以提高诊断和预后的准确性。这一期的《BioTechniques》就介绍了癌症诊断的新方法。
组织活检的替代方法
替代性的活检方法在肿瘤学领域引起了极大的兴趣。它们的关键优势在于,可以绕过侵入性的诊断程序,更方便地采集样本。
最近的一个例子是让男性在家收集尿液进行前列腺癌检测。以往,医生通常进行直肠指诊,然后收集患者的尿液样本。不过,最近发表在《BioTechniques》杂志上的一项研究表明,患者在家中收集的尿液质量与传统方法相当,但避免了患者去诊所的费用和不适。
同时,研究人员开发出一种无创且无痛苦的呼吸分析仪。它可以收集人们呼出的样本并分析潜在的生物标志物 – 挥发性有机化合物(VOC)。许多疾病都可能产生指示性的VOC,包括某些癌症在内,因此这可以作为癌症早期诊断的路线之一。
液体活检(liquid biopsies)也在最近几年获得了长足的进步。人们最感兴趣的是利用血液样本来诊断癌症。英国诺丁汉大学的研究人员开发了一种乳腺癌的早期血液检测。他们利用筛查技术来确定肿瘤相关抗原的存在。据介绍,这种检测可在临床症状出现前五年检测乳腺癌。
遗传筛查与突变分类
在癌症治疗上,医生打破千人一面的治疗方案,开始向精准医疗转变。他们不再按照癌症类型(比如乳腺癌、肺癌、脑癌等)来区分患者,而是将重点放在按照基因突变及其他遗传因素的分类上。利用上面介绍的最新活检技术,医生如今能够通过微创的过程采集患者的遗传物质,并深入了解其个体癌症史。
不过,问题来了。肿瘤内存在大量的变异,这使得人们很难比较。为了克服这个问题,遗传学家研究了各种分类系统,这些系统让他们能够以相似的方式处理相似的突变。
最新的分类系统来自西班牙的基因组调控中心。研究人员将基因组测序的结果将肿瘤分成16个组,每个组都定义了肿瘤类型和起源的特征。其中,10个组具有临床意义,可指导临床医生做出诊断。
这项研究的资深作者Ivo Gut评论道,癌症是一种复杂的疾病,需要采取定制的行动方案才能有效地诊断、管理和治疗。“目前,医生往往寻找DNA特定位置的突变,但这种角度很受限。全基因组测序可以更全面地了解肿瘤中的突变数量,让医生能够对癌症进行分类并更深入地了解疾病,这对于指导治疗具有重要意义。”
然而,人们面临的另一个问题是现有测序方法难以检测基因组中的少量改变,这使得许多类型的遗传变异无法被单细胞测序方法检测到。为了克服这一问题,一个多中心研究小组开发出一种新方法 – 单细胞三通道处理(scTRIP)。
有了scTRIP技术,研究人员能够研究单个细胞DNA内的遗传变异,并鉴定新细胞中形成的新变异。在利用白血病患者的样本测试这项技术时,他们发现检测到的变异是标准检测方法的四倍,其中包括临床相关的易位,它是致癌基因过表达的主要驱动力。他们希望通过scTRIP技术更好地了解各个细胞之间的差异,继而开发临床应用。
可是如今,我们还面临这样一个窘境:仅凭人类已经无法处理所获得的数据量,需要高级的技术来减轻人类的负担。人工智能(AI)和机器学习正发挥着举足轻重的作用,不仅仅是在遗传学领域,而且是在整个诊断领域。
人工智能在诊断中的应用
近年来,人工智能在鉴定癌症方面已变得越来越准确,因此可以作为常规诊断方法的补充。在癌症诊断的过程中,医学成像是主要的工具之一。多项研究证明,AI是图像分析的强大工具,可避免人为错误。最近发表在《Radiology》和《Nature》上的两项研究表明,经过乳腺X光图像训练的AI技术能够准确预测乳腺癌。
同时,近期的研究发现AI也能准确预测前列腺癌。瑞典和芬兰的研究人员利用8,000多张数字化活检图像来训练AI系统,以判断哪些活检表现出了癌症特征。他们将测试结果与专业的泌尿科病理学家进行比较,发现准确程度相当。日本的研究也表明,AI预测癌症复发的准确性更高。
在文章的结尾,作者表示,考虑到癌症的复杂性,通过一种疗法来打败所有癌症也许只是个白日梦。不过,有了更先进的方法来辅助早期诊断,癌症患者找到合适疗法的机会更大。(生物通 薄荷)
原文检索
Developing new ways to diagnose cancer
BIOTECHNIQUES VOL. 68, NO. 3 https://doi.org/10.2144/btn-2020-0014