分子診斷 · us
從DNA甲基化辨識血癌:ALMA 3研究涵蓋81種亞型
血癌診斷的難題不只在於發現腫瘤,更在於分清種類。ALMA 3公布獨立測試結果,展現輔助分類的潛力,但整體高分尚不能回答每一種罕見亞型是否同樣可靠。
對血液與淋巴系統癌症而言,辨清腫瘤屬於哪一種亞型,牽動預後判斷與治療選擇。然而,有些亞型以傳統方法仍難區分。在西雅圖舉行的2026年分子病理學會(AMP)年會上,研究團隊提出一條輔助診斷的路徑:讓人工智慧從DNA甲基化圖譜尋找分類線索。
根據AMP公告,以及Clinical Lab Products與MedLabPortal的同場報導,ALMA Genomics、賓州大學、麻省理工學院等機構共同開發的ALMA 3,以超過11萬份患者樣本訓練。研究由ALMA Genomics的Pedro Orsini主導,Francisco Marchi擔任通訊作者,研究涵蓋81種血液與淋巴系統癌症亞型,包括部分難以用常規方法分類的類別。
模型讀取的是DNA甲基化模式,也就是DNA上的化學標記分布;研究希望藉由這些分子特徵,辨識腫瘤並進一步判定亞型。它所處理的核心問題,是在既有病理診斷之外增加分類依據,而非僅以一個數字回答有沒有癌症。
研究團隊報告,在獨立測試中,ALMA 3偵測血液淋巴系統腫瘤的敏感度為99.5%,指定癌症亞型的陽性預測值則為90.9%。兩項指標回答不同問題:前者衡量已有腫瘤的樣本有多少被辨識出來,後者衡量模型作出的亞型陽性判定有多少正確。99.5%的敏感度,因此不能直接解讀為81種亞型都有同等分類準確度。
理解這些成績,還需要知道測試如何安排。目前上述公告與報導未交代獨立測試的樣本數、各亞型病例分布、信賴區間,以及逐一亞型的表現;超過11萬份則是訓練樣本規模,不能當成獨立驗證的病例數。缺少這些細節,尚難判斷整體結果是否也適用於病例稀少、最容易混淆的類別。
AMP將這項成果定位為補充傳統病理診斷的潛在工具,兩篇外部報導也指出,進一步臨床驗證正在進行。接下來需要釐清的,是模型在不同患者群與實際檢驗流程中能否維持表現,以及它提供的分類資訊能否改善診斷決策。現階段的會議結果提供了驗證方向,尚不足以證明已能改善患者的治療結果。