癌症研究 · eu
肺癌為何轉移?250萬個細胞核圖譜找出風險線索
德國團隊把454名患者的腫瘤細胞圖譜與長期病程連結,發現癌細胞及周邊環境的組合,有助辨識傳統臨床評估未充分捕捉的風險。但從預測病程到指引治療,還需要更多驗證。
肺癌切除後,哪些患者仍可能面臨癌細胞擴散?腫瘤大小與淋巴結是否受侵犯,提供了重要線索,卻難以完整呈現腫瘤內部的差異。一項新研究將數百名患者的細胞分子特徵與後續病程對照,試著從癌細胞及其周邊環境,讀出更細緻的轉移風險。
這份名為LuCaS+的非小細胞肺癌圖譜,由慕尼黑大學、柏林夏里特醫院及柏林工業大學BIFOLD研究所等團隊建立,成果刊於《Nature Cancer》。研究涵蓋德國三所大學醫院的454名患者,分析超過250萬個細胞核,並連結詳細臨床資料與長期追蹤紀錄。
研究的重要基礎,是保存在病理檔案中的福馬林固定、石蠟包埋腫瘤組織。團隊從這些檢體讀取每個細胞核超過2,000個基因的活性資訊,讓分子分析得以回頭對照患者多年來的病程。圖譜平台列明,柏林與科隆的364名患者組成探索隊列,另以獨立取樣、獨立分析的慕尼黑90名患者進行驗證。
機器學習在此負責辨識大量基因活性資料中的模式,將癌細胞分成不同群體,再分析各群體與轉移及臨床結果的關聯。研究的目標之一,是辨識部分看似早期、卻可能有較高轉移風險的腫瘤;這些差異未必能單靠傳統分期充分看見。
癌細胞之外,團隊也把免疫細胞、結締組織細胞及血管細胞納入模型。據慕尼黑大學公告,結合癌細胞的轉移潛勢與腫瘤微環境特徵後,模型對臨床結果的預測優於傳統臨床參數,相關發現也在獨立患者隊列獲得驗證。這提示,評估病程或許需要同時理解癌細胞本身,以及它所處的細胞環境。
不過,獨立隊列驗證尚不等於已能用來決定個別患者的治療。公開公告未列出足以評估臨床實用性的完整預測效能數值,而與轉移相關的細胞模式,也不能直接視為造成轉移的機制。模型能否在其他醫療體系維持表現,以及依其結果調整治療是否改善患者結局,仍是走向臨床必須回答的問題。
LuCaS+目前已開放研究者探索,提供樣本層級的定序輸出、臨床資料、細胞分類與基因表現差異表。它的近期價值,是讓研究者能追查哪些細胞狀態與不良病程相伴,據此提出可檢驗的治療假說;團隊也明確指出,新治療方向仍須先經細胞培養與動物模型測試。