美國研究人員開發(fā)出一種新的檢測方法，可通過分析血液中微生物組的特征來確認測試對象是否得了癌癥，以及是哪種癌癥。他們在近日的《自然》雜志上發(fā)表研究報告稱，這種潛在的基于微生物組的腫瘤學診斷工具值得進一步探索，可能會改變癌癥診斷的方式。

　　在該研究中，加州大學圣迭戈分校研究人員對美國國家癌癥研究所數(shù)據(jù)庫獲得的數(shù)據(jù)進行了分析，從18000多份不同類型的腫瘤樣本中發(fā)現(xiàn)了與特定癌癥類型相關的獨特微生物組特征或模式。他們利用這些數(shù)據(jù)資源，訓練并測試了機器學習模型，使其能夠將某些微生物組模式與特定癌癥相關聯(lián)，進而僅依靠患者血液中的微生物組數(shù)據(jù)即可識別患者是否患癌，以及所患癌癥的類型。為了驗證，他們對59名前列腺癌患者、25名肺癌患者、16名黑素瘤患者以及69名健康志愿者的血液樣本進行了分析。結果顯示，機器學習模型在腫瘤和正常組織的區(qū)分方面表現(xiàn)良好，能夠確認絕大多數(shù)癌癥病例，并能分辨出不同的癌癥類型。

　　目前，大多數(shù)癌癥診斷都需要進行手術活檢，或從可疑癌癥部位取樣分析，這些侵入性方法不僅耗時，費用也很高。雖然近幾年通過血樣分析快速診斷特定癌癥的液體活檢技術取得了很大進步，但這一技術目前還不能可靠地將正常的遺傳變異與真正的早期癌癥區(qū)分開，也無法在沒有人類基因組變異的情況下發(fā)現(xiàn)癌癥。相比之下，基于微生物組的檢測手段不依賴人類基因組的變化，不僅能夠在更早的階段檢測出癌癥的存在和類型，還能進行長期的治療監(jiān)測，因而會對癌癥的早期發(fā)現(xiàn)以及癌癥患者的護理產生重大影響。

　　研究人員指出，目前這一新方法并不完美，但相信隨著使用更多的數(shù)據(jù)來完善機器學習模型，新方法會變得更準確。