早期发现癌症

　　

血细胞能显示体内的肿瘤。保罗·谢勒研究所的研究人员在癌症早期诊断测试方面取得了进展。

能够在早期阶段发现肿瘤的发展，并密切监测癌症治疗的成功或失败，对患者的生存至关重要。保罗·谢勒研究所(Paul Scherrer Institute PSI)的研究人员在这两方面都取得了突破。由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G.V. Shivashankar领导的研究人员能够证明，一些血细胞细胞核组织的变化可以提供体内肿瘤的可靠指示。通过他们的技术——使用人工智能——科学家们能够区分健康和生病的人，准确率约为85%。除此之外，他们还成功地确定了肿瘤疾病的类型——黑色素瘤、神经胶质瘤或头颈部肿瘤。“这是世界上第一次有人做到这一点，”Shivashankar高兴地说。研究人员在《npj精密肿瘤学》杂志上发表了他们的研究结果。

肿瘤细胞暴露了自己

在治疗过程中，检测体内的癌症或对其进行监测通常是非常耗时的，而且这些程序通常只在症状变得明显的晚期才进行。因此，从事基础研究的科学家们正在寻找在日常临床实践中易于使用，并且可靠和敏感的技术。Shivashankar的研究小组将目光投向了淋巴细胞和单核细胞，该领域的人将其称为外周血的单核细胞。它们很容易通过简单的血液样本获得，并且具有在显微镜下容易看到的圆形核。研究人员的直觉是，那里的遗传物质会对肿瘤释放到血液中的物质(即所谓的分泌组)产生反应。这激活了血细胞细胞核中所谓的染色质，从而改变了它所包含的遗传物质的组织。然后，这可以作为一个指标或生物标志物。“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解释说。

人工智能有助于诊断

研究人员使用荧光显微镜检查了血细胞的染色质——这是一个术语，指的是包裹在缠结球中的遗传物质DNA。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。他们将健康和患病测试参与者的显微镜图像送入人工智能(AI)系统。在此过程中，他们采用了“监督学习”，用于向软件教授已知的差异。在随后的“深度学习”方法中，算法本身识别了人类观察者无法识别的“健康”和“生病”细胞之间的差异。

研究小组采用了三种不同的方法。在最初的一系列实验中，研究人员调查了这项技术是否能将健康对照者与患有这种疾病的人区分开来。为此，他们比较了10名癌症患者和10名健康人的血细胞。该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。Shivashankar说:“即使是对任意一个细胞的分析也具有非常高的准确性。”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。为了做到这一点，研究人员为算法提供了来自10名神经胶质瘤(神经细胞支持组织的肿瘤)、脑膜瘤(保护大脑和脊髓的膜的肿瘤)和头颈部肿瘤患者的血细胞的染色质数据。这个实验也证明是成功的。这些任务的准确率超过85%。最后，第三个问题涉及正在或曾经在PSI质子治疗中心接受治疗的病人。

ZPT的主任和主任医师Damien Weber看到了这种诊断方法的巨大潜力，并请求他的150名患者允许他分析他们的血液样本进行研究:“我们希望这种新方法可以改善诊断和治疗成功的监测。”

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，软件也成功地工作，并以非常高的精度正确地分配了模式。治疗预期会降低血液中肿瘤信号的浓度和积聚——这就是所发生的，血细胞遗传物质的外观恢复正常。Shivashankar满意地说:“在治疗过程中，观察到染色质的结构如何向健康模式移动是令人惊讶的。”

在肿瘤诊断和治疗中的许多应用是可以想象的

从生物学家和他的同事的角度来看，这项基于血细胞染色质的新技术不仅适用于他们研究的肿瘤，也适用于许多不同类型的癌症。它可能不局限于质子治疗的后续治疗，而是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。要确定这是否属实还需要进一步的研究。正如发表在《科学报告》杂志上的一篇论文所描述的那样，Shivashankar的研究小组和PSI的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耐辐射和耐化学的细胞。在监管机构批准在临床实践中使用这项新技术之前，还有很多工作要做——特别是在有更多参与者的研究中，以确定在临床条件下假阳性警报和假阴性警报的数量有多高。Shivashankar对临床应用的道路和患者将从这项技术中受益的前景没有怀疑:“这种方法是有效的，”他说。