实现癌症的早期检测

血细胞揭示体内肿瘤。保罗谢勒研究所的研究人员在开发癌症早期诊断测试方面取得了进展。

能够在极早期阶段检测出正在发展的肿瘤并密切监测癌症治疗的成功或失败对于患者的生存至关重要。 Paul Scherrer 研究所 PSI 的研究人员现已在这两方面取得了突破。由 G.V. 领导的研究人员PSI 纳米生物学实验室负责人、苏黎世联邦理工学院机械基因组学教授 Shivashankar 证明，某些血细胞细胞核组织的变化可以为体内肿瘤提供可靠的指示。借助人工智能技术，科学家们能够区分健康人和病人，准确率约为 85%。除此之外，他们还成功地正确确定了肿瘤疾病的类型——黑色素瘤、神经胶质瘤或头颈肿瘤。 “这是全世界第一次有人实现这一目标，”Shivashankar 高兴地说。研究人员已在《npj Precision Oncology》杂志上发表了他们的研究结果npj Precision Oncology。

肿瘤细胞暴露了自己

在治疗过程中检测体内癌症或对其进行监测通常非常耗时，并且这些程序通常仅在迹象变得明显的晚期阶段进行。因此，从事基础研究的科学家正在寻找易于在日常临床实践中使用且可靠且灵敏的技术。 Shivashankar 的研究小组将目光投向了淋巴细胞和单核细胞，业内人士将其称为外周血单核细胞。使用简单的血液样本即可轻松获得这些细胞，并且具有易于在显微镜下看到的圆形细胞核。研究人员的预感是，那里的遗传物质会与肿瘤释放到血液中的物质(即所谓的分泌组)发生反应。这会激活血细胞核中所谓的染色质，从而改变其所含遗传物质的组织。这可以作为指示剂或生物标志物。 “我们的假设是血细胞充当肿瘤探测器——这让我们走了很长一段路，”Shivashankar 解释道。

人工智能有助于诊断

研究人员使用荧光显微镜检查血细胞的染色质——这是包装在缠结球中的遗传物质 DNA 的术语。他们总共记录了大约 200 种不同的特征，包括外部纹理、堆积密度以及淋巴细胞或单核细胞中染色质的对比度。他们将健康和患病测试参与者样本的显微镜图像输入人工智能(AI)系统。在此过程中，他们采用了“监督学习”，用于教授软件已知的差异。在随后的“深度学习”方法中，算法本身识别了“健康”和“患病”细胞之间的差异，而人类观察者无法辨别这些差异。

研究小组采取了三种不同的方法。在最初的一系列实验中，研究人员研究了该技术是否能够区分健康对照受试者和患有该疾病的受试者。为此，他们将十名癌症患者的血细胞与十名健康人的血细胞进行了比较。人工智能系统能够以 85% 的准确率区分健康患者和癌症患者。 “即使只对任意一个细胞进行分析，其准确度也非常高，”Shivashankar 说。第二种方法是确定人工智能系统是否能够区分不同类型的肿瘤。为此，研究人员向算法输入了 10 名患有神经胶质瘤(神经细胞支持组织的肿瘤)、脑膜瘤(保护大脑和脊髓的膜肿瘤)患者的血细胞的染色质数据。 ，以及头颈部肿瘤。这个实验也被证明是成功的。作业的准确率超过 85%。最后，第三个问题涉及正在或已经在 PSI 质子治疗 CPT 中心接受治疗的患者。

ZPT 主任兼首席医师达米安·韦伯 (Damien Weber) 看到了诊断方法的巨大潜力，并请求 150 名患者同意分析他们的血液样本以进行研究：“我们希望新方法能够改善诊断和监测治疗成功。”

为了确定干预是否成功，科学家们在放射治疗之前、期间和之后采集了血液样本。在这里，软件也成功运行并以非常高的准确度正确分配了模式。这种治疗预计会减少血液中肿瘤信号的浓度和积累——这就是所发生的情况，并且血细胞遗传物质的出现正常化。 “在治疗过程中观察到染色质结构如何接近健康模式真是令人惊奇，”Shivashankar 满意地说道。

在肿瘤诊断和治疗中的许多应用是可以想象的

从生物学家及其同事的角度来看，基于血细胞染色质的新技术不仅适用于他们研究的肿瘤，还适用于许多不同类型的癌症。它可能不仅限于质子治疗的后续治疗，还适用于许多其他形式的治疗，包括一般的放射治疗、化疗和外科手术。确定这是否属实还需要进一步研究。正如《科学报告》杂志上的一篇论文所述，Shivashankar 的团队和 PSI 放射性药物科学中心 (CRS) 的合作者已经测试了染色质生物标志物是否可以用于检测抗辐射和抗化疗细胞。在监管机构批准在临床实践中使用新技术之前，仍有大量工作要做，特别是需要进行大量参与者的研究，以确定临床条件下误报和漏报的数量有多高。 Shivashankar 对临床应用的途径或患者将从该技术中受益的前景毫不怀疑：“该方法是正确的，”他说。