代谢|观察｜当质谱技术结合人体代谢物，泛癌筛查还有哪些挑战？筛查|肿瘤|检测|队列|研究|钟晟

癌症正在成为全世界主要的死亡原因和公共卫生的主要关切目标，约占死亡率的15% 。世界卫生组织相关数据显示，全球每年的癌症负担预计将不断增加，仅2020年就有1900多万新病例和1000万死亡病例。
在和癌症斗争的漫长进程中，除了免疫治疗等方法带来新的希望之外，将斗争的“关口”不断往前移，这也是科学界和医疗界的努力方向之一。由此而衍生出的一种现象是：近年来，开发早期、可靠的癌症筛查诊断技术并使其成功商业化，已成为一条热门赛道。
日前，四川大学国家生物医学材料工程技术研究中心、复旦大学附属中山医院、武汉大学、安徽医科大学第一附属医院、清华大学药学院等团队的研究人员在国际学术期刊《自然-通讯》（Nature Communication）上发表了一项研究。他们开发了一种用于泛癌症诊断的多重纳米材料辅助的激光解吸/电离（LDI）质谱方法（简称为“MNALCI”）。在进一步结合机器学习进行高处理能力的分析后， MNALCI可以高度灵敏地捕获和分析1000道尔顿（Da）以下的小分子代谢物信号。
来自上海复旦大学附属中山医院的患者和健康对照组作为内部验证队列，该队列显示， MNALCI表现出了93%的灵敏度和91%的特异性；来自合肥的安徽医科大学第一附属医院的患者和健康对照组则作为外部验证队列，该队列显示， MNALCI表现出了84%的灵敏度和84%的特异性。

文章图片

“从临床角度来说，肿瘤筛查确实存在着一个非常大的需求，并且它是一个比较新兴的领域，是一个蓝海的市场。 ”该项研究的作者之一、中国科学院生物化学与分子生物学博士钟晟在接受澎湃新闻（www.thepaper.cn）采访人员采访时表示， “要作为一款面对大众的肿瘤筛查产品，它的一个基础条件是灵敏度要达到80%以上、特异性要达到90%甚至95%以上的指标。 ”他认为，无论是从临床角度，还是从宏观的卫生经济学角度考虑，达到上述这些指标才会有其意义和价值。
所谓的灵敏性（Sensitivity）是指真实阳性样本中预测为阳性的比例，即对真正癌症群体检测出有癌症的比例；特异性（Specificity）则是指真实阴性样本中预测为阴性的比例，即对非患癌群体检测出阴性的比例。
值得一提的是，钟晟强调一点， “只有提高了灵敏度，也就是提高了筛查的效率，才能够去节约社会资源。而追求特异性的极限，更是我们在做肿瘤筛查的过程中需要去提升的一个性能指标参数。 ”他进一步解释道，就癌症筛查来说，没有患病的群体基数是非常大的， “比如说有100万人筛查，可能其中99万人都是健康人群，如果特异性太低，哪怕差一个百分点，那么就会多将近1万个人被误诊为肿瘤。 ”
谈及这项研究的初衷，该项研究的共一作者、武汉大学郑杰博士在接受澎湃新闻（www.thepaper.cn）采访人员采访时表示，团队想解决的一个问题是， “想看看高通量非靶向的质谱技术和机器学习技术是否能解决在多个癌症中找到生物标记物的几率？我们经过大半年的实验，也在不断地去调整纳米基质、质谱仪器参数和机器学习算法之间的配合，最终无论是在内部验证还是外部验证，表现都很不错。 ”基于这些前提研究，研究团队启动了规模更大的进一步研究。
郑杰同时强调一点，代谢组学是当前医学研究的热点之一， “而无论是质谱技术，还有影像分析技术或是基因组技术，通过不同技术的搭配，然后再结合样本的采集处理，还有和算法相互结合，我们会有不同的方案去针对不同的场景解决癌症的这样一个大的话题。 ”