为了改善卵巢癌筛查，由约翰霍普金斯大学的维克多·E·维尔库莱斯库（Victor E. Velculescu）博士领导的研究人员开发了一种组合液态活检方法。该方法有三个组成部分：两种蛋白质生物标志物的测量、无细胞DNA（cfDNA）片段的测量，以及人工智能（AI）驱动的蛋白质测量和cfDNA片段组的分析。研究人员发现，他们的方法可以高精度地区分良性肿块和卵巢癌。
这两种蛋白质生物标志物，癌症抗原125（CA-125）和人类附睾蛋白4（HE4），之前已被确定为卵巢癌的生物标志物。然而，单独使用CA-125和HE4并不能可靠地检测卵巢癌。如果检测中使用更多的蛋白质，可以获得更好的结果。事实上，这样的检测已经显示出一些希望，但尚未广泛用于研究或临床应用。
研究人员选择测试蛋白质测量和cfDNA测量是否能提供互补信息，并通过人工智能分析，实现更准确但仍可访问的结果。他们在《癌症发现》杂志上发表了一篇文章，题为《利用无细胞DNA片段组和蛋白质生物标志物早期检测卵巢癌》。
“我们评估了591名患有卵巢癌、良性附件肿块或无卵巢病变的女性，”文章的作者写道，“使用结合这些特征的机器学习模型，我们以>99%的特异性和72%、69%、87%和100%的敏感性分别检测到了I至IV期的卵巢癌。在同一特异性下，单独使用CA-125分别检测到34%、62%、63%和100%的卵巢癌。”
研究人员补充说，他们的方法能够高精度地区分良性肿块和卵巢癌。他们还指出，他们通过评估荷兰和丹麦医院治疗的479名女性的样本获得了初步结果。这些结果在美国治疗的112名女性的第二个人群中得到了确认。
即使在这个较小的样本中，测试也取得了类似的成功率，检测到了所有癌症的73%，特别是最侵袭性的高级别浆液性卵巢癌的81%，几乎没有任何假阳性结果出现在无癌女性中。这种组合方法还能有效地区分良性生长和癌性肿瘤，而超声波检查无法做到这一点。
“结合人工智能、无细胞DNA片段组和两种蛋白质生物标志物的简单血液检测，提高了早期阶段卵巢癌的检测率，”研究的资深作者、约翰霍普金斯基梅尔癌症中心的肿瘤学教授兼癌症遗传学和表观遗传学项目联合主任维克多·E·维尔库莱斯库博士说，“这种人工智能辅助的方法有可能成为一种经济实惠、易于获取的大范围卵巢癌筛查方法。”
在他们的研究中，研究人员采用了人工智能驱动的DELFI（DNA Evaluation of Fragments for early Interception）测试方法，这是一种新的液态活检方法，称为片段组学，可以提高血液中DNA片段的检测率，有效检测肺癌。该技术利用了这样一个事实：健康的细胞中的DNA包装整齐，而在癌细胞中变得混乱。当健康细胞死亡并分解时，它们会在血液中留下一套有序的DNA片段。然而，当癌细胞死亡并分解时，留下的DNA片段是不规则和混乱的。
“卵巢癌具有独特的DNA片段化特征，而良性病变不具备这一特征，”共同第一作者、约翰霍普金斯大学医学院的医学博士/哲学博士学生阿克沙亚·安纳帕拉达（Akshaya Annapragada）说。能够区分良性与癌性卵巢生长非常重要，因为对于通过超声波检查发现卵巢生长的女性，下一步的癌症筛查是进行探索性手术。使用液态活检测试可以避免良性生长的女性进行不必要的手术。
“这项研究进一步证明了全基因组无细胞DNA片段化和人工智能在高精度检测癌症方面的益处，”维尔库莱斯库表示。“我们的结果显示，这种组合方法在筛查中的表现优于现有的生物标志物。”维尔库莱斯库和他的同事打算在更大规模的随机临床试验样本中验证该测试的有效性。
(全文结束)
