▲ 液體活檢具有顯著的成本效益,能夠極大簡化活組織檢查的整體流程
根據(jù)維基百科的描述,最早的活檢診斷源自十一世紀(jì)的一位阿拉伯醫(yī)生之手。“活組織檢查”biopsy這一術(shù)語中的bios意為生命,源自希臘語中的opsis,意為視覺。這種方法最初于十九世紀(jì)引入,從那時起,醫(yī)學(xué)研究人員與從業(yè)者們先后開發(fā)出多種技術(shù),從而對活體器官或組織進行檢查,并通過進一步觀察判斷患者體征。以腸活檢管為代表的各類現(xiàn)代器械,如今已經(jīng)能夠從難以接近甚至危險性極高的身體部位處提取樣本。
在以上案例當(dāng)中,這種組織取樣過程具有侵入性且執(zhí)行方法相當(dāng)復(fù)雜,不僅會給患者造成經(jīng)濟負擔(dān),同時也會在精神層面帶來額外的壓力。而液體活檢則是一種新興且前景相當(dāng)光明的活檢技術(shù),能夠檢測并分離循環(huán)腫瘤DNA與外泌體,并將其作為癌癥患者基因組與蛋白質(zhì)組學(xué)信息的來源。
可以看到,每一種新興技術(shù)都在有效性與準(zhǔn)確性等領(lǐng)域面臨著多種技術(shù)障礙,但新技術(shù)的開發(fā)與新一代測序分析的出現(xiàn)已經(jīng)允許我們在各類環(huán)境當(dāng)中廣泛應(yīng)用液體活檢方法。液體活檢最初僅被用于診斷后跟蹤,但如今相關(guān)數(shù)據(jù)已經(jīng)被應(yīng)用于癌癥診斷,包括篩查,更重要的是其可用于預(yù)測患者對于特定治療方法的反應(yīng)或抗性。具體來講,憑借更簡單易行的液體活檢機制,醫(yī)師可以通過這種方法更輕松地檢測標(biāo)靶基因中的特定突變。如此一來,醫(yī)生將能夠利用更多數(shù)據(jù)對特定療法進行實時分析,并據(jù)此判斷療法的適當(dāng)性或者確定繼發(fā)性耐藥狀況,從而盡早診斷疾病的進展情況。
自從1869年人們首次從血液循環(huán)當(dāng)中發(fā)現(xiàn)腫瘤細胞以來,應(yīng)用生物技術(shù)從異質(zhì)血液成分當(dāng)中分離出CTC已經(jīng)取得了實質(zhì)性進展。然而,液體活檢在實際操作層面仍然面臨一系列阻礙,例如其特異性與敏感性無法令人滿意、缺乏標(biāo)準(zhǔn)化、以及過高的經(jīng)濟與人力資源成本等等。事實上,由于目前能夠從患者體內(nèi)收集到的CTC、ctDNA以及EXO濃度較低,因此分析結(jié)果的特異性以及敏感性有時并不能滿足準(zhǔn)確診斷的要求。
液體活檢的最初實現(xiàn)方法集中在ctDNA或者蛋白質(zhì)層面。但正如約翰霍普金斯大學(xué)Kimmel癌癥中心腫瘤學(xué)教授Nickolas Papadopoulos博士在一篇論文當(dāng)中所解釋的那樣:“早期癌癥患者血液當(dāng)中的ctDNA含量非常低,只在所有無細胞DNA總量當(dāng)中占比0.01%。”因此如果利用患者的血液進行硬性測試,那么結(jié)果當(dāng)中可能包含大量隨機結(jié)論。此外,也有不少癌癥并不會將腫瘤DNA“脫落”至血液循環(huán)當(dāng)中;因此如果單純測定ctDNA因子,那么醫(yī)療人員將無法檢測到某些癌癥;對于另一些癌癥,雖然能夠測試到,但敏感性仍然無法令人滿意。
雙ctDNA與蛋白質(zhì)液體活檢研究的第一份報告,將存在KRAS基因突變的血液檢測與蛋白質(zhì)生物標(biāo)志物加以結(jié)合,用以確定這些標(biāo)志物的組合是否確實優(yōu)于任何單一標(biāo)志物。報告的胰腺導(dǎo)管腺癌患者(PDAC)與醫(yī)療人群之間的敏感性比例為64%,特異性為99.5%??梢钥吹剑@種兩相對照的判斷方式要遠優(yōu)于任何單一因素判斷方法。
▲ CancerSEEK給出的報價低于500美元,這種雙因素液體活檢有望成為液體活檢市場上的理想解決方案
第二份報告則重點關(guān)注其它早期癌癥,包括卵巢癌、肝癌、胃癌、胰腺癌、食道癌、結(jié)腸直腸癌、肺癌與乳腺癌等。此項測試名為CancerSEK,中位敏感度為70%(乳腺癌最低,為33%;卵巢癌最高,為98%),所有受試癌癥的特異性均高于99%。
利用機器學(xué)習(xí)算法,診療人員甚至能夠借此定位腫瘤,且相關(guān)結(jié)論通過常規(guī)測試(例如乳房X射線照片或結(jié)腸鏡檢查)得到了證實。Papadopoulos博士表示,“這項檢測實際上具有泛癌癥診斷能力,我們將繼續(xù)推動更進一步的探索。”研究人員們認(rèn)為,CancerSEEK的最終成本可能會低于500美元,與目前的篩查癌癥測試類似,并可通過與其它腫瘤生物標(biāo)志相結(jié)合以進一步提高其特異性與敏感性。Papadopoulos博士在討論這種測試的未來前景時總結(jié)稱,“我們正在開展前瞻性研究以測試CancerSEEK的實際效果。這是一種真正值得評估且具有臨床適用性的測試方法。”
2016年,全球液體活檢市場的總規(guī)模約為2349萬美元,但隨著資金不斷注入這一領(lǐng)域,預(yù)計其總規(guī)模將在2023年超過12億美元。
▲ 機器學(xué)習(xí)將成為下一代測序方法中的指數(shù)因子
與針對單一遺傳改變特征的檢測相反,NGS旨在記錄多種癌癥亞型當(dāng)中存在的遺傳改變跡象。此外,NGS還能夠檢測出多種可能引發(fā)腫瘤的突變,并鑒定可能在治療之后從已存在的克隆特征進化而來的抗性機制。正如意大利那不勒斯Istituto Nazionale Tumori轉(zhuǎn)化研究部主任Nicola Normanno教授所言,“通過液體活檢檢測ctDNA確實具有很好的效果。通過NGS平臺,我們將能夠提取出更為深入的分子級表征。”但在一項關(guān)于NGS液體活檢的研究當(dāng)中,他和他團隊強調(diào)稱他們還需要解決一系列具體挑戰(zhàn)。“我們目前研究的中心點在于,我們需要更多研究特異性與敏感性,以便將NGS液體活檢方法引入診所。之所以關(guān)注這方面問題,是因為血液樣本當(dāng)中的ctDNA水平一般較低,此外NGS檢測到的潛在癌變也有可能來自克隆性造血——而非與腫瘤相關(guān)的DNA。因此,我們需要更深入地了解ctDNA的生物學(xué)特征,從而改進這項技術(shù)。”
在另一方面,NGS液體活檢的關(guān)鍵優(yōu)勢,在于能夠檢測由整體腫瘤引起的血液突變,從而克服腫瘤異質(zhì)性的問題。這種方法還可用于監(jiān)測治療反應(yīng)與耐藥性的變化情況。在被問及NGS液體活檢的其它潛在用途時,Normanno教授談到了借此評估腫瘤突變負荷(TMB)的可能性——TMB目前被廣泛視為應(yīng)對免疫治療的潛在生物標(biāo)志。
液體活檢市場的規(guī)模證明,我們目前尚處于該項技術(shù)的早期發(fā)展階段。首批商業(yè)化測試必須能夠證明自身的有效性,同時說服醫(yī)生、臨床中心以及各國際組織對具體流程進行標(biāo)準(zhǔn)化,從而將信號與噪聲隔離開來,最終為整個醫(yī)療保健行業(yè)創(chuàng)造真正的價值。
機器學(xué)習(xí)算法的大量應(yīng)用,為我們帶來了提高測試結(jié)果準(zhǔn)確性的可能,也能夠?qū)⑻囟ò┌Y類型與患者獨特的基因身份聯(lián)系起來,繼而提供為其量身定制的治療選擇。此外,這種微創(chuàng)性質(zhì)的檢測方法也能夠顯著降低重復(fù)測試所帶來的心理負擔(dān),幫助本就壓力巨大的患者以更積極的心態(tài)面對漫長的診斷與治療過程。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。