研究人员开发了一种AI模型，该模型利用肿瘤DNA的表观遗传特征，能够以超过99%的准确率识别肿瘤类型。这一突破可能取代高风险的活检，提供更安全、更快捷的诊断方式。
一名患者因复视症状就医，MRI扫描显示其脑部存在一个位于危险区域的肿瘤，传统活检可能会对患者造成重大风险。这类复杂病例促使Charité – Universitätsmedizin Berlin的研究团队及其合作伙伴寻找替代诊断方法。他们开发了一种AI模型，通过分析肿瘤遗传物质中的特定特征（尤其是表观遗传指纹），快速且高度准确地对肿瘤进行分类。研究结果已发表于《自然·癌症》期刊。
如今，医学界已认识到比人体器官数量更多的肿瘤类型。每种肿瘤都有独特的特性，包括特定的组织结构、生长模式和代谢行为。即便如此，具有相似分子特征的肿瘤通常可以归为一类。精准的肿瘤分型是有效治疗的关键。
现代靶向疗法专注于肿瘤细胞内的特定结构或阻断异常生长的信号通路。化疗方案可以根据肿瘤类型量身定制，并调整剂量。对于罕见肿瘤类型，参与创新临床试验也可能成为一种选择。
Charité首席医疗官Martin E. Kreis教授表示：“在个性化癌症医学迅速发展的背景下，获得经认证的肿瘤中心的精确诊断是成功治疗的关键。”尽管基于组织样本的全面分子、细胞和功能分析提供了必要的信息，但医生仍面临一些无法提取或提取风险极高的病例。此外，仅靠传统的组织学检查也无法达到新AI模型的精确度。
从基因组而非组织入手
为了克服传统显微诊断的局限性，研究团队开发了一种新方法，聚焦于肿瘤遗传物质的表观遗传特征。这些特征充当“细胞记忆”，决定哪些基因片段被激活以及何时激活。
德国癌症联盟（DKTK）柏林站点及Charité神经病理学研究所的科学家Philipp Euskirchen博士领导了这项研究。他解释道：“数十万种表观遗传修饰充当单个基因片段的开关，它们的模式形成了独一无二、不可复制的‘指纹’。在肿瘤细胞中，表观遗传信息以特定方式发生改变。根据这些特征，我们可以区分并分类肿瘤。”
AI模型crossNN将未知肿瘤的表观遗传数据与超过8,000个参考肿瘤的指纹进行比对。每个点代表包含数十万条信息的参考肿瘤档案，颜色则对应具体的肿瘤类型。数据可视化展示了模型所依赖的庞大数据集。
对于某些脑肿瘤，甚至只需采集少量脑脊液即可完成诊断，从而避免手术风险。
由于数据的复杂性和规模庞大，匹配未知表观遗传指纹与数千个已知癌症档案的任务需要借助机器学习方法——即人工智能。过去，不同的DNA测序技术已被应用于表观遗传分析，但往往局限于特定模式和基因片段。
Charité柏林健康研究所（BIH）医学组学工作组负责人Sören Lukassen博士表示：“我们的目标是开发一种模型，即使只基于部分肿瘤表观基因组或采用不同技术和精度收集的数据，也能精准分类肿瘤。”
可靠且可追溯
新开发的AI模型名为crossNN，其架构基于简单的神经网络。该模型经过大量参考肿瘤训练，并在超过5,000个肿瘤上进行了测试。
Philipp Euskirchen表示：“我们的模型在99.1%的病例中实现了非常精确的脑肿瘤诊断，比目前使用的其他AI解决方案更为准确。此外，我们还以相同方式训练了一个AI模型，能够区分来自所有器官的170多种肿瘤类型，准确率达到97.8%。这意味着它不仅适用于相对罕见的脑肿瘤，还可用于全身各器官的癌症诊断。”
未来临床应用审批的关键在于模型的完全可解释性，即必须能够理解决策过程。
AI模型接收的分子指纹可以来自组织样本或体液。对于特定脑肿瘤，Charité神经病理学系已提供基于脑脊液的非侵入性诊断方法，称为液体活检。这种方法可以在无需手术的情况下作出诊断，尤其适用于复杂情况。例如，一位因复视前来就诊的患者便是受益者之一。
Philipp Euskirchen解释道：“我们使用纳米孔测序技术对患者的脑脊液进行了分析。这种新颖、快速且高效的基因分析技术帮助我们的模型确认这是一例中枢神经系统淋巴瘤，从而及时启动了适当的化疗。”
crossNN进入临床试验
该方法的准确性甚至让研究人员感到惊讶。Sören Lukassen表示：“尽管我们的AI模型架构比以前的方法简单得多，因此具有可解释性，但它却能提供更精确的预测，从而带来更高的诊断信心。”
研究团队正计划与德国癌症联盟（DKTK）合作，在德国的八个DKTK站点开展crossNN的临床试验。此外，还将测试其术中应用的可能性。目标是将这种基于DNA样本的精准且成本较低的肿瘤诊断方法引入常规护理。
参考文献：Dongsheng Yuan等人，《Nature Cancer》，2025年6月6日。DOI: 10.1038/s43018-025-00976-5。
Charité神经病理学研究所和柏林健康研究所（BIH）的工作得到了德国癌症联盟（DKTK）和英国慈善组织The Brain Tumour Charity的支持。
(全文结束)
