近日，威尔康奈尔医学院、纽约基因组中心（NYGC）和纪念斯隆-凯特琳癌症中心（MSK）的科研人员合作在Nature Medicine上发表了题为“Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment“。研究团队开发了一种由机器学习引导的血浆全基因组测序（WGS）ctDNA信号富集平台——“MRD-EDGE”，可以极高敏感度监测肿瘤负荷（TMB）。该研究利用MRD-EDGE识别了多种癌症类型的术后MRD，检测了肺癌中TF对新辅助免疫治疗的响应变化，并证明了癌前结直肠腺瘤中ctDNA的脱落。这项新技术有望改善癌症早期诊断及治疗，并可在治疗过程中密切监测肿瘤反应。

该研究共同通讯作者Dan Landau博士表示：“我们能够实现显著的信噪比增强，可在标准临床方法之前数月甚至数年检测到癌症复发。”

文章发表在Nature Medicine

液体活检技术在具体实现方面进展缓慢。迄今为止，大多数方法都针对相对小型的癌症相关突变组合，但这些突变在血液中往往过于稀少，无法可靠地被检测到，导致无法准确、及时发现癌症复发。

几年前，Landau博士及其同事提出了一种替代方法，即通过血浆全基因组测序（WGS）进行全基因组突变整合，来整合癌症基因组中成千上万的单核苷酸变异（SNV）和拷贝数变异（CNV），以测序广度取代测序深度；此外，研究团队还设计了一种支持向量机方法（ SVM）“MRDetect”（错误抑制框架），以抑制因WGS错误而产生的低质量cfDNA SNV伪影。经验证，该方法可收集更多的“信号”，从而实现对肿瘤DNA更敏感、逻辑上更简单的检测。

在上述工作的基础上，研究团队再次突破，使用先进的机器学习策略（类似于ChatGPT和其他流行的人工智能应用程序）来检测测序数据中的细微模式，特别是将提示癌症的模式与提示测序错误和其他“噪音”的模式区分开来；并基于此开发了MRD-EDGE。MRD-EDGE平台由MRD-EDGESNV和MRD-EDGECNV两个主要模块组成，分别用于SNV和CNV的检测；其可整合SNV和CNV的互补信号，提高血浆WGS中的ctDNA信号富集。

图1. MRD-EDGE SNV深度学习分类器将ctDNA SNV片段与cfDNA伪影区分开来。

MRD-EDGE SNV使用深度学习和ctDNA特异性特征空间，与之前的WGS错误抑制相比，将WGS中的SNV信噪比富集度提高了约300倍。MRD-EDGE CNV还通过WGS将超灵敏CNV检测所需的非整倍体从1Gb降低到200Mb，极大地扩展了其在实体瘤中的适用性。reads深度、次等位基因频率（BAF）和片段长度熵是CNV信号的独立且互补的来源；MRD-EDGE CNV将来自分类器的信号作为样本水平的独立输入进行组合，以全面评估血浆TF。

图2. 基于机器学习的错误抑制和附加功能增强了基于等血浆WGS的CNV检测灵敏度。

为验证MRD-EDGE平台的临床应用价值，研究团队在不同的癌症类型中进行了临床试验（图3）。首先，研究团队将MRD-EDGE应用于15名III期结直肠癌（CRC）患者的围手术期血浆样本中；所有样本均在术前和术后辅助化疗（ACT）时抽取。结果显示，MRD-EDGE识别了15名癌症患者的个体特异性肿瘤突变，其进行肿瘤信息术前ctDNA检测的AUC为0.998。在上述15名患者中，MRD-EDGE检测到了9名患者的MRD，其中5名患者在一个月后出现癌症复发；未检测到ctDNA的6名患者在研究窗口期内均未复发。通过比较手术前后血浆样本的ctDNA含量，MRD-EDGE平台能够准确识别手术后的MRD，并且检测结果与患者的疾病复发情况高度相关。

接下来，研究团队使用MRD-EDGE分析了接受新辅助免疫治疗方案（NCT02904954）的22名早期非小细胞肺癌（NSCLC）患者血浆样本，以评估MRD-EDGE对TMB变化的监测能力。结果显示，MRD-EDGE平台性能同样优异，其对术前癌症的敏感性很高（AUC 0.98）。对于接受免疫检查点抑制（ICI）剂治疗的患者，MRD-EDGE可在整个新辅助治疗期间监测TF趋势，准确反映患者对ICI的反应或缺乏反应。上述结果表明，MRD-EDGE能够实时监测TMB变化，捕获治疗期间ctDNA的动态变化，为治疗效果的评估提供重要依据。

图3. 围手术期、新辅助治疗和复发性疾病环境中MRD的肿瘤知情监测。

非浸润性（癌前）病变是否会脱落ctDNA尚不清楚，为探索这一问题，研究团队使用MRD-EDGE对30名结直肠腺瘤和早期癌变（pT1病变）患者的切除前血浆样本进行分析。结果显示，MRD-EDGE显著提高了ctDNA脱落的检测灵敏度，共检测到60%pT1病变、35%癌前腺瘤存在ctDNA脱落；pT1病变的检测AUC高于腺瘤。这些数据表明，即使没有实质性的浸润成分，增生异常组织也可能脱落ctDNA；并证实了MRD-EDGE在癌症早期病变中的诊断潜力。

图4. MRD-EDGE肿瘤知情检测腺瘤和pT1病变的ctDNA。

MRD-EDGE在早期肺癌和三阴性乳腺癌患者的研究中显示出相似的敏感性，可以早期检测到几乎所有复发（除一次复发之外），并可在治疗期间跟踪肿瘤状态。特别地，MRD-EDGE甚至可以检测到癌前结直肠腺瘤的突变DNA，结直肠腺瘤息肉会发展为结直肠肿瘤。

此外，即使没有对肿瘤测序数据进行预先训练，在晚期黑色素瘤和肺癌患者中，MRD-EDGE中的信噪比富集技术也使仅基于血浆（非肿瘤知情）的疾病监测成为可能，能够在标准X射线成像检测的几周前为患者提供ICI的临床信息性TF监测。

综上所述，研究团队通过结合深度学习和机器学习技术开发了人工智能平台MRD-EDGE，其可根据患者血液的DNA测序数据，以非常高的灵敏度和准确性检测ctDNA；并成功应用于肺癌、黑色素瘤、结直肠癌等不同类型癌症患者中。无论是术后MRD检测、新辅助免疫治疗监测，还是早期癌变的ctDNA脱落检测，MRD-EDGE都展示了卓越的性能。这一创新平台为癌症的早期诊断和治疗监测提供了新的工具和视角，具有广泛的临床应用前景。