Zi 字媒體

據周向紅介紹，該程序的工作機制是在患者血液中尋找自由流動的癌症DNA中的特殊表觀模式，並將其與資料庫中的不同癌症類型的表觀遺傳數據相比較。因為來自腫瘤細胞的DNA在癌症早期階段會進入血液，所以對疾病的早期檢測提供了獨特的標靶。該團隊建立了表觀遺傳甲基化標誌物的資料庫，這些標誌物在許多類型的癌症中都很常見，並對起源於特定組織的癌症具有特異性。他們還彙編了非癌症樣本的甲基化模式，從而擁有比較癌症樣本的基線。「這些標誌物可用於將血液中發現的自由DNA分解為腫瘤DNA和非腫瘤DNA。」她說。研究人員利用乳腺癌、肝癌和肺癌患者的血液樣本對該程序進行測試，並與另外兩種常用的機器學習方法進行了比較。結果顯示，另外兩種方法的總錯誤率（產生假陽性的可能性）分別為0.646和0.604，而新程序的這一數字低為0.265。值得一提的是，該組受測人群中有30人患有早期癌症，該程序能夠檢測出80%的病例。「癌症早期階段血液中存在的腫瘤DNA水平非常低，但該程序仍能做出診斷，證明該方法對癌症早期檢測的潛力。」周向紅說。