新AI模型高精度预测癌症转移风险

瑞士日内瓦大学研究团队近日宣布，他们开发出一套全新的人工智能系统，可通过分析复杂的基因表达特征，高精度评估肿瘤发生转移和复发的风险，有望显著提升多种癌症患者的个体化诊疗效果。

癌症转移仍然是该疾病最致命的环节之一，但其背后的生物学机制至今尚未被充分厘清。研究人员指出，一些肿瘤会局限在原发部位，而另一些则具备向全身扩散的能力，要从分子层面解释这种差异，是改进治疗策略的关键前提。

本次研究由日内瓦大学医学院遗传医学与发育学系的团队主导，科研人员利用结肠癌患者肿瘤中的细胞展开系统分析，试图找出影响转移风险的决定性因素。他们不仅识别出与转移相关的关键影响因素，还发现了一系列能够反映转移倾向的“基因表达签名”，并在此基础上开发出一款名为 Mangrove Gene Signatures（简称 MangroveGS）的AI工具，将这些生物学信息转化为对多种癌症转移风险的定量预测。

该研究发表于《Cell Reports》期刊。论文通讯作者、日内瓦大学医学院教授 Ariel Ruiz i Altaba 解释称，癌症通常被描述为“无序增殖的细胞”，但更准确的理解应是“一种被扭曲的发育过程”。在这种观点下，癌细胞并非完全随机地演化，而是通过基因和表观遗传层面的改变，重新激活了在胚胎或器官早期形成过程中本该被关闭的生物学程序，从而驱动肿瘤的产生与进展。

研究团队强调，真正的挑战在于“读懂”这种被扭曲的内在逻辑，弄清哪些细胞会从原发肿瘤中“脱队”，在身体其他部位“另起炉灶”。目前，临床上可检测到的最早转移迹象，往往是血液或淋巴系统中出现循环肿瘤细胞，但当这些细胞被发现时，转移过程很可能已经在多处悄然展开。

相比之下，科学界虽然已对驱动原发肿瘤形成的基因突变有了大量认识，却迟迟未能找到单一的基因变化，来解释为何有些癌细胞会离开肿瘤，而另一些则停留原处。Ruiz i Altaba 指出，难点在于：“要想完整刻画一个细胞的分子身份，就必须对其进行破坏性分析；但如果要观察它的真实行为，又必须让它保持活性。”

为解决这一矛盾，研究团队从结肠癌肿瘤中分离出单个细胞，进行克隆并在体外培养。这些源自同一肿瘤的克隆细胞随后在体外系统和小鼠模型中接受评估，用以观察它们穿过生物学屏障并形成转移灶的能力。研究人员在大约30个来自两例原发结肠肿瘤的克隆细胞中，测量了数百个基因的活性水平，结果发现，不同细胞克隆之间存在清晰的基因表达梯度，这些梯度与细胞迁移能力的高低呈显著相关。

这一发现还指向了一个重要结论：转移风险并不能通过单个细胞的特征简单判断，而是取决于肿瘤内部一群“亲缘相关”癌细胞之间的集体行为和相互作用。

在算法构建方面，研究团队将上述基因表达签名整合进一套由日内瓦开发的AI模型 MangroveGS 中。参与研究的博士生 Aravind Srinivasan 介绍称，这一工具的突出创新在于，它不是依赖少数几个标志基因，而是同时利用数十甚至上百个不同的基因签名，从而大幅降低了个体差异或单一通路波动对结果的干扰，使预测更加稳健可靠。

在完成训练后，MangroveGS 在结肠癌患者中预测转移和复发的准确率接近80%，明显优于现有多种预测工具。更为引人注目的是，团队发现，最初在结肠癌中识别出的这些基因表达签名，同样可以迁移用于胃癌、肺癌、乳腺癌等其他癌种，对其转移潜能进行有效预判，这表明不同实体瘤在转移机制上可能存在某种共通的分子语言。

研究人员设想，在不久的将来，MangroveGS 有望被纳入日常临床流程。对于患者而言，医生只需要常规获取肿瘤组织样本，在医院对样本中的细胞进行分析和基因测序，即可将这些数据输入系统，由 MangroveGS 生成一个量化的转移风险评分。相关结果可以通过加密的 Mangrove 门户，在确保数据匿名与安全的前提下，传递给肿瘤科医生和患者本人参考。

团队认为，这类工具的临床意义不仅在于提高风险评估本身。一方面，它有望帮助医生避免对低风险患者进行过度治疗，从而减少不必要的毒副反应和医疗支出；另一方面，对于被判定为高风险的人群，则可以相应加强监测频率和治疗强度，提高早期干预机会。同时，在临床试验设计中，引入此类风险分层工具，还可优化受试者入组，减少所需志愿者数量，提升试验统计效能，并将潜在获益优先集中于最需要新疗法的患者群体。

研究团队表示，下一步工作将包括在更大规模、多中心队列中验证 MangroveGS 的适用性，并进一步挖掘这些基因表达签名背后的具体生物学通路，以期发现新的治疗靶点，为阻断癌症转移提供更加精准的干预策略。