突破CA199局限：胰腺癌早筛迎来新技术革命

突破CA199局限：胰腺癌早筛迎来新技术革命

胰腺癌被称为“癌中之王”，其5年生存率不到10%，是所有癌症中最低的。这主要是因为胰腺癌早期症状隐蔽，超过半数的患者在确诊时肿瘤已经转移至其他器官。因此，早期筛查对于提高胰腺癌患者的生存率至关重要。

糖类抗原CA199是目前临床上最常用的胰腺癌标志物。它是一种大分子糖蛋白，属于Lewis血型抗原类肿瘤标志物。CA199在胰腺癌患者中的阳性率高达80%，在胆管癌患者中也有约70%的阳性率。

然而，CA199并非胰腺癌的特异性标志物。它在胃癌、结直肠癌等消化道肿瘤以及肝癌中也有一定的阳性率。此外，一些良性疾病如肝炎、胰腺炎、胆管炎、胆囊炎等也会导致CA199水平升高。因此，仅凭CA199升高不能确诊胰腺癌，需要结合影像学检查、病理学评估等其他临床表现进行综合判断。

更令人担忧的是，CA199在胰腺癌早期的敏感性较低。当CA199水平高于10000 U/mL时，几乎都存在外周转移，这意味着肿瘤已经发展到晚期。因此，医学界一直在寻找更有效的胰腺癌早期筛查方法。

基于MicroRNA的AI诊断技术

最近，日本京都大学和爱科来公司联合研究团队开发出一种新型AI诊断技术，通过分析血液中的MicroRNA来筛查早期胰腺癌。该技术让AI学习了胰腺癌患者和健康人的MicroRNA表达状态，能够更精准地识别早期胰腺癌患者。

研究团队从14家医院采集了包括早期患者在内的212名胰腺癌患者和213名健康人的血液，收集了MicroRNA的数据。从约2580种MicroRNA中选取出患者和健康人的表达水平差异较大的100种，采用深度学习技术让AI学习其表达状态，由此构建出了用于诊断胰腺癌患者的AI模型。

结果显示，使用传统指标CA19-9时，完全无法辨别出0期患者，对1期患者的识别准确率也只有29％。而使用此次开发的AI技术时，能分别以50％和63％的准确率识别出0期和1期患者。这一突破性进展为胰腺癌的早期诊断带来了新的希望。

空间转录组学与机器学习

约翰霍普金斯大学的研究团队则采用了一种全新的研究方法——空间转录组学和机器学习，来揭示胰腺癌发病过程中的分子和细胞标志物。他们开发出一种分析流程，将成像、空间转录组学和单细胞RNA测序相整合，用来表征肿瘤发生过程中的肿瘤细胞状态转变。

研究发现，胰腺癌的一些关键特征在癌前病变（PanIN）附近就已经存在。研究人员在PanIN的周围发现了癌症相关成纤维细胞（CAF），包括抗原呈递CAF。更重要的是，他们发现细胞增殖逐渐增加，而炎症信号传导减少，这表明在侵袭性PDAC完全形成之前，PanIN内部及周围的细胞已经创造出一种免疫抑制性的环境。

这种空间多组学的半监督学习框架可广泛应用于各种癌症类型，以破译癌变的时空动态。研究人员认为，这种技术有望在未来实现更早期的胰腺癌筛查。

尽管CA199在胰腺癌筛查中存在诸多局限，但它仍然是目前最常用的标志物之一。随着基于MicroRNA的AI诊断、空间转录组学等新技术的不断发展，我们有望突破CA199的局限，实现更早、更准确的胰腺癌筛查。这将为患者带来更好的治疗效果和更高的生存率。

然而，这些新技术距离临床应用还有一定距离。目前，定期进行CA199检测、影像学检查以及注意身体变化，仍然是预防和发现胰腺癌的重要手段。特别是对于有胰腺癌家族史、长期吸烟、饮酒、患有慢性胰腺炎等高危人群，更应该重视定期筛查。