综述：肺癌循环肿瘤DNA分析：从分子起源到分析边界

《Lung Cancer》：Circulating tumor DNA analysis in lung cancer: from molecular origins to analytical boundaries

　　

循环肿瘤DNA（circulating tumor DNA, ctDNA）已深刻变革肺癌管理模式，但其临床灵敏度从根本上受限于调控ctDNA释放、清除及丰度的生物学因素。本综述探讨这些生物学现实如何制约ctDNA分析的各个阶段——从前分析变量到生物信息学处理，并指出克隆性造血进一步增加了复杂性。鉴于这些层层叠加的限制，作者认为单纯技术层面的渐进式改进正面临收益递减。未来发展方向在于人工智能驱动的方法学，其可跨多个维度聚合微弱、异质的分子信号，并直接从原始测序数据中学习，从而在极低肿瘤负荷场景下实现超灵敏检测。

1. 1.
   引言
   肺癌仍是全球癌症相关发病与死亡的首要原因。有效的肿瘤管理需要超越初始分子特征的纵向分子监测，因为肿瘤生物学会在治疗压力下发生动态演变。血浆中游离DNA（cell-free DNA, cfDNA）的肿瘤来源组分——循环肿瘤DNA（ctDNA），为实时评估肿瘤负荷、分子残留病（molecular residual disease, MRD）、治疗反应及克隆演化提供了微创手段，支持更具动态性的管理策略。尽管ctDNA分析具有巨大临床前景，其实际应用仍受限于生物学因素与方法学难点：低ctDNA水平、背景干扰及样本处理不一致均会影响检测的灵敏度与特异度，进而划定了其应用边界。近年来，文库制备、测序策略及错误抑制技术的进步显著提升了ctDNA检测能力。本综述聚焦肺癌ctDNA的生物学基础、方法学考量及分析性能，最后讨论多模态整合与人工智能驱动方法的未来机遇。
2. 2.
   循环肿瘤DNA的生物学基础
   2.1 cfDNA与ctDNA的起源
   1948年Mandel与Métais首次在人类血液中发现片段化游离核酸，为cfDNA研究奠定基础。cfDNA包含生理与病理状态下细胞更新过程中释放的短DNA片段。早期疾病中ctDNA通常占总循环DNA的比例不足1%，而在晚期恶性肿瘤中可升至数个百分点甚至更高。肺癌患者血浆总cfDNA浓度通常高于健康人群：晚期非小细胞肺癌（non-small cell lung cancer, NSCLC）中位水平约为10–30 ng/mL，健康对照约为1–10 ng/mL。不同实体瘤的ctDNA脱落存在显著差异，肺癌总体呈中高水平脱落：基线ctDNA检出率在肺鳞癌（约60–80%）与小细胞肺癌（70–90%）中高于肺腺癌（30–50%）；中位变异等位基因频率（variant allele frequency, VAF）在肺腺癌常低于5%，而在鳞癌与小细胞肺癌亚型中常高于10%。
   长期以来，凋亡/坏死相关的核小体片段化被认为是ctDNA的主要来源，尤其在晚期或高增殖肿瘤中，细胞更新加速超过了生理清除能力。然而肿瘤死亡并非唯一决定因素：一项旨在区分分析灵敏度限制与真实生物学不脱落的前瞻性队列研究，在肺叶切除术后即刻采集患侧肺静脉残端血液，即便组织学证实存在存活肿瘤组织，仍有6/11例患者未检测到ctDNA。TRACERx队列同样显示，部分大体积肺腺癌（≥10 cm³）术前ctDNA检测为阴性；排除技术假阴性后，47例ctDNA阴性病例中有31例被判定为生物学低脱落者，多区域转录组与基因组分析揭示这类肿瘤增殖特征减弱、染色体不稳定性降低且全基因组倍增发生率更低，证实肿瘤内在生物学特性显著影响ctDNA脱落异质性。这表明ctDNA不仅源于被动凋亡坏死，肿瘤存在与体积并不直接导致可检出的系统性ctDNA释放，还存在其他调控机制。细胞外囊泡（extracellular vesicle, EV）相关DNA是目前实验证据最充分的主动释放途径：EV可运输核DNA与线粒体DNA，定位于囊泡腔内或膜表面；细胞在应激、DNA损伤或胞质DNA累积时会主动释放EV-DNA，而非仅由广泛凋亡片段化产生。临床分析中，部分常规血浆cfDNA检测阴性的NSCLC患者，其外泌体EV-DNA仍可检出EGFR T790M突变，支持存在膜保护的肿瘤DNA池。但EV-DNA的可检测性同时取决于清除动力学：进入循环后，网状内皮系统会快速处理EV-DNA，使其暴露于胞外与胞内核酸酶作用，例如巨噬细胞与树突状细胞分泌的DNASE1L3可高效切割膜相关或核小体DNA，DNASE1进一步降解暴露的双链DNA，而内化囊泡则经溶酶体DNASE2介导降解。这种主动囊泡输出与快速核酸酶清除的动态平衡，为即使存在存活肿瘤组织仍持续表现为低脱落或无脱落的ctDNA表型提供了生物学解释。

2.2 信号丰度与异质性

信号丰度决定了ctDNA检测的生物学生理极限，也为确立检测下限（limit of detection, LOD）提供量化依据。晚期或转移性疾病中，ctDNA分数常达1%及以上，对应标准10–20 mL采血量中存在数千个突变基因组当量；反之，早期肿瘤与治疗后的ctDNA VAF通常低于0.1%，整个血浆体积中的肿瘤来源DNA片段可能仅数十个分子。在此情况下，ctDNA检测本质上受限于抽样效应：标准采血仅捕获总cfDNA的极小随机部分，当突变分子极罕见时，阴性结果可能仅反映分析样本中恰好未包含肿瘤来源片段，而非真正无疾病。在低负荷场景中，血浆处理过程需尽可能保留每一个可用分子，避免白细胞裂解或溶血造成的背景稀释。除绝对分子数极低外，ctDNA还具有快速生物周转特征，血浆半衰期约为30分钟至2小时。循环ctDNA水平是肿瘤释放与系统清除之间的动态平衡，而非肿瘤负荷的简单累加，因此肿瘤脱落、治疗诱导的细胞毒性或清除动力学的细微变化均可快速改变实测VAF。Martin-Alonso等的实验证实，靶向cfDNA清除细胞并保护循环片段的纳米颗粒引物，可在荷瘤小鼠中短暂提升ctDNA回收率，改善小肿瘤体内检测灵敏度，说明采样时的循环ctDNA水平具有动力学可调性，易受治疗干预的瞬时扰动。围手术期监测研究显示，根治性切除后ctDNA迅速下降，但术后24小时内测量仍可能受残留循环片段影响，术后第3天趋于稳定（DYNAMIC研究）。相反，139例接受放疗（40 Gy）的局部晚期NSCLC前瞻性队列显示，治疗期间ctDNA水平逐步下降，无治疗相关激增，且治疗中ctDNA状态比基线测量更能预测预后，提示患者治疗状态与采血时的总循环cfDNA水平均需纳入考量，二者均可能影响ctDNA测量的稳定性。

1. 3.
   影响ctDNA分析的前分析变量
   3.1 样本处理相关前分析偏倚
   ctDNA分析的前分析偏倚始于采血，除技术操作变量外，还涵盖多种患者相关生物学状态：近期体力活动、急性炎症或感染、妊娠、年龄相关生理变化及昼夜节律，均可瞬时升高cfDNA水平，但这些升高主要代表非肿瘤DNA，并不增加肿瘤来源DNA总量；在低肿瘤负荷或MRD场景下，此类背景DNA的轻微扩增即可显著降低观测到的肿瘤分数。在可控前分析因素中，离体白细胞裂解是突出且可干预的偏倚来源：研究显示室温放置7天后，K₂EDTA管中血浆DNA水平可升高至13倍，而Streck管同期仅升高6%，造成的是定量稀释而非测序错误，过量非肿瘤DNA改变血浆组成，掩盖短的核小体相关肿瘤片段。

3.2 血浆处理

目前临床中多数获FDA或CE-IVD认证的ctDNA检测平台，均遵循相似的采血与血浆处理标准，常采用专用细胞稳定管（如广泛使用的Streck Cell-Free DNA BCT），经验证可在室温保存长达7天，抑制离体白细胞裂解，允许延迟血浆分离。但性能仍具场景依赖性：Alidousty等报道PAXgene与Roche管在超低突变拷贝检测场景中表现更可靠；Nikolaev等观察到在长时间储存伴温度波动条件下，PAXgene与Streck管能更有效抑制高分子量基因组DNA污染。相比之下，K₂/K₃-EDTA管需在2–6小时内完成血浆分离，即使在4°C下，72小时后突变DNA片段与VAF仍分别下降约21%与14%。

主流平台的血浆制备流程已标准化：普遍推荐两步离心法，先以约1600g离心10分钟分离血浆与细胞成分，再以约16000g高速离心10分钟去除残留细胞碎片。多数商业化检测（包括大Panel二代测序平台与靶向PCR检测）均将该双离心策略纳入验证流程，通常建议采血量至少10 mL以保证足够的血浆产量用于灵敏检测。在此标准化条件下，ctDNA的可检测性主要通过最小化背景基因组DNA污染来维持，而非防止固有片段降解。

1. 4.
   文库制备、富集策略与Panel设计
   4.1 文库构建与目标富集方法
   靶向ctDNA测序中，扩增子法与杂交捕获文库是最常用的两种富集策略。扩增子法采用多重PCR（通常20–22个循环）扩增预设热点位点，后续加接头，文库长度约200–220 bp，所需DNA投入量低（1–10 ng）；由于富集由引物定义且在流程早期完成，测序读段集中于有限基因组区域，可实现高单基因座深度，但难以覆盖大内含子区与结构重排。杂交捕获文库在全文库构建（含末端修复与接头连接，常整合唯一分子标识符）后进行富集，生物素化探针可捕获从数百kb到数Mb的广阔基因组区域，包括选定内含子区，从而检测单核苷酸变异、插入缺失、基因融合与拷贝数改变；扩大的目标区域使读段分布于更多位点，通常需要更高的DNA投入量（≥20 ng）与更深测序。扩增子策略因聚焦热点分析与低投入需求而更适用于临床场景，杂交捕获平台则支持全面分子图谱绘制。为在超低投入场景中提升片段回收率与分子保真度，新兴技术包括ssDNA-LP、损伤修复增强方案及双链/双链共识文库形式等。

4.2 肿瘤未知与肿瘤知情设计

肿瘤未知（tumor-agnostic）方法无需先验肿瘤测序，直接分析cfDNA中预定义的基因组或表观基因组特征，而非对肿瘤进行测序，聚焦于反复改变的基因组区域或更广泛的分子特征。此类方法最初用于晚期癌症基因分型与耐药谱分析，现日益应用于MRD检测：例如在治愈性治疗的NSCLC中，使用固定基因组靶标（无需匹配肿瘤组织）进行术后ctDNA检测已被证实可按复发风险分层患者。除靶向Panel外，以DELFI框架为代表的全基因组片段化分析、甲基化检测等，均可在无先验肿瘤信息时检出肿瘤相关结构与表观遗传信号。但由于分析资源分散于预定义特征而非集中于经验证的患者特异性位点，其在超低负荷MRD场景下的灵敏度仍可能低于基于信号聚合的肿瘤知情策略。

肿瘤知情（tumor-informed）ctDNA检测基于患者既往肿瘤测序数据设计，可在血浆中纵向监测个性化的一组体细胞突变。通过整合多个肿瘤验证的克隆变异信号，此类方法将MRD检测转化为概率框架。肺癌早期外显子组知情研究追踪约200个患者特异性变异，证实了术前ctDNA检测的预后价值，但在极低肿瘤分数下检测能力有限；更新的全基因组知情策略追踪约1800个肿瘤特异性变异，将检测限推进至1–3 ppm，可在随机抽样效应主导的超低负荷场景中有效分层。针对切除肺癌的研究显示，在181例早期NSCLC前瞻性队列中，个性化肿瘤知情检测术前ctDNA检出率为41.7%，而肿瘤知情固定Panel与肿瘤未知固定Panel分别为21.9%与17.2%；关键的是，个性化检测发现的突变中有96.9%未在固定Panel中覆盖，且其独特识别的患者ctDNA分数可低至0.01%，支持患者特异性位点聚合对提升超灵敏MRD检测的价值。但肿瘤未知方法仍具临床意义：其可更广泛地监测新发或耐药相关改变，并适用于无足够肿瘤组织的患者（如约25%接受新辅助免疫治疗后达到病理完全缓解的人群）。

1. 5.
   ctDNA检测平台与分析策略
   5.1 基于PCR的方法
   基于PCR的方法通过等位基因特异性扩增联合荧光检测，定量血浆中极低VAF的预设变异。主要平台包括qPCR、ARMS与COLD-PCR、数字PCR、微滴数字PCR及BEAMing。qPCR通常可检测约0.1–1% VAF的突变，数字PCR将DNA分配至数千个反应单元，检测限可达约0.1%，优化后的ddPCR格式可低至0.003% VAF，非常适于快速监测复发热点突变与耐药相关变异。当前改进聚焦于扩大多重检测能力、提升超低频率变异（如甲基化特异性dPCR）检测，以及将PCR与NGS流程整合，PCR在聚焦且定量的ctDNA应用中仍不可或缺。

5.2 基于NGS的方法

基于NGS的ctDNA分析可对多基因座的肿瘤来源基因组与表观基因组改变进行高通量并行分析，将液体活检拓展至多维度肿瘤分子图谱绘制。可用策略包括固定靶向Panel、用于MRD监测的个性化多位点突变检测、全基因组或全外显子测序、肿瘤未知的表观基因组或片段组学方法（如cfMeDIP-seq），以及用于融合检测的DNA+RNA联合血浆检测。临床上，杂交捕获Panel适用于初始分子分型与耐药谱分析，而个性化肿瘤知情与基于全基因组测序（whole-genome sequencing, WGS）的MRD策略在治愈后场景中灵敏度更优，常在影像学进展前数月检出复发。不同于仅靶向少数变异的PCR检测，NGS可同时评估多个肿瘤知情突变，在低VAF MRD检测中提供更强的阴性预测价值，尤其可缓解随机抽样导致的单个突变漏检问题（如TRACERx研究所示）。当前进展包括：通过双链唯一分子标识符共识测序等技术抑制错误；通过全基因组MRD策略扩大信息位点数量；探索超低深度WGS与甲基化谱分析等替代信号框架，共同确立了NGS-based ctDNA分析整合统计聚合、全基因组探查与信号优化的体系。

1. 6.
   生物信息学分析与错误抑制
   6.1 测序错误校正
   区分真实肿瘤来源突变与技术假象是ctDNA测序的核心挑战。文库制备、PCR扩增与测序过程中引入的错误基线率为每碱基10^-3–10^-4，与MRD场景中具有临床意义的ctDNA信号重叠，单纯增加测序深度无法消除此类假阳性。首轮PCR错配、氧化或脱氨基诱导的单链损伤及平台特异性替换偏倚，会沿子代读段传递，构成分析准确性的固有上限。
   现代流程通过分子与计算校正突破这一限制：利用唯一分子标识符在扩增前标记单个DNA分子，构建单链共识并去除随机测序错误与晚周期PCR错误，但早周期错配与链特异性损伤可能保留；双链测序独立标记互补的Watson与Crick链，仅在两条链均出现一致突变时才报告变异，在优化条件下可将错误率降至10^-6–10^-7范围。类双链及基于统计或机器学习的建模可进一步抑制残留假象，但MRD检测仍可能受限于稀有肿瘤来源分子的随机抽样。在此基础上，相位变异测序（PhasED-Seq）利用单个DNA片段内的多个体细胞突变，无需分子条形码即可检测低至约1/2,000,000（约0.00005%）的肿瘤分数，识别出约四分之一被传统基于单核苷酸变异方法判定为MRD阴性的患者，而这些患者后续无事件生存期更差。这些方法共同从化学不完美的读段中重建分子序列，定义了ctDNA检测的分析极限。

6.2 背景变异与克隆性造血

在超灵敏ctDNA分析中，假阳性不仅来自技术假象，还可源自肿瘤外的生物学真实体细胞突变。克隆性造血（clonal hematopoiesis, CH）是非肿瘤来源血浆变异的主导来源。由于大多数循环cfDNA来源于造血系统，CH相关突变（常发生于DNMT3A、TET2、ASXL1、TP53、PPM1D、ATM等经典癌症驱动基因）的VAF可与MRD场景重叠，仅凭基因身份或VAF不足以判断起源。这类变异不同于测序假象，即使经过分子错误抑制仍持续存在，构成对检测特异性的重大生物学限制。

这在肺癌人群中尤为相关，因为CH患病率随年龄增长而升高。因此在超低负荷MRD应用中，若不考虑造血来源变异，可能导致假阳性判读与血浆-肿瘤不一致。匹配白细胞测序仍是最稳健的缓解策略，而肿瘤知情框架通过将监测限定于肿瘤验证的变异，也可减少CH干扰。

1. 7.
   分析性能评估与方法学标准化
   7.1 灵敏度、特异度与检测下限
   MRD监测中的有效LOD不仅取决于分析灵敏度，还取决于报告阳性结果所需的统计置信度，以维持可接受的临床特异度。例如一项前瞻性肺癌研究纵向追踪每位患者最多30个肿瘤特异性突变，单中心背景检出率约为0.0011，若将MRD阳性定义为检出单个变异，假阳性风险约为10.7%；要求至少两个肿瘤知情变异一致检出，则将该风险降至0.5%，说明在多基因座并行检测时，必须校准报告阈值以维持特异度。
   与此限制一致，当前MRD检测虽可检出低于0.004%的VAF，但临床灵敏度常为30–84%，特异度维持在90–100%。无复发生存患者中术后早期检出ctDNA提示，可测的血浆变异未必可靠指示残留疾病。因此MRD监测中的实用LOD，是由能可靠提示复发、足以指导临床决策的最低信号界定，而非检测方法可测的绝对最低变异频率。

7.2 重复性与研究间一致性

跨平台、多实验室评估显示，在中等等位基因分数下ctDNA变异检测具有高重复性：VAF≥0.5%时，灵敏度达0.96–1.00，实验室间一致性为0.95–1.00；但当VAF低于该范围时，灵敏度降至0.39–0.83，一致性降至0.58–0.83，重复性损失主要由变异漏检驱动，而非假阳性过多。这说明在超低频率场景中，不同研究或检测的不一致结果，可能源于接近检测限时对稀有循环肿瘤来源分子的检出不足，而非固有的分析不稳定性。因此标准化工作强调能力验证、参考物质，以及透明报告前分析变量与生物信息学阈值，以提升跨研究可比性与常规临床应用。在缺乏统一采纳的方案时，实验室间不一致的ctDNA结果可能直接干扰临床决策——尤其在MRD指导的辅助治疗中——凸显了建立成熟的ctDNA外部质量评估项目的紧迫性。

1. 8.
   人工智能在液体活检分析中的新兴角色
   8.1 从测序深度到广度：全基因组突变整合
   近期人工智能方法日益将cfDNA视为高维全基因组模式，适用于表征学习，反映了应对传统液体活检灵敏度与特异度局限的几项关键技术趋势。ctDNA检测的根本转变是从深度靶向测序转向全基因组突变整合。传统方法依赖对有限靶标（如常见驱动基因或患者特异性Panel）的超深度测序，本质上受限于血浆样本中可用cfDNA片段的数量：即使穷尽测序，若突变片段物理上不存在，检测仍将失败。
   为突破此限制，MRDetect与MRD-EDGE开创性地采用“以广度换深度”策略，放弃单位点测序深度，转而利用WGS整合数千个患者特异性突变。通过在全基因组层面聚合信号，并结合AI过滤单个测序读段以区分真实肿瘤来源片段与技术假象，这些框架将检测限推进至低至10^-6，较传统方法提升1000倍，有效绕过了cfDNA投入量的物理天花板，可在无需匹配肿瘤组织的情况下实现超灵敏MRD监测与治疗反应追踪。

8.2 多模态整合：互补信号提升检测稳健性

除突变整和外，AI还实现了多种正交cfDNA信号的融合，以增强检测稳健性。Fate-AI等方法不再依赖单一数据类型，而是结合片段组学（如片段长度分布、末端基序）与甲基化谱或拷贝数改变（copy number alteration, CNA）。这种多组学整合利用了癌症相关异常在表观遗传、基因组与片段组多层级的共现特征，使AI模型能够捕获互补信号。例如MRD-EDGE^CNV整合三种独立的CNA信号——基因组区域覆盖测序读段数、杂合位点等位比例与片段大小分布的随机性——并采用鲁棒主成分分析（一种分离信号与背景噪声的计算技术），将非整倍体检测所需的最小基因组区域从1 Gb降至20 Mb。类似地，Fate-AI基于拷贝数谱对比预测为扩增或缺失的基因组区域的片段分布，同时整合甲基化比值，在低肿瘤分数下仍可实现灵敏检测。

8.3 从特征工程到端到端学习：Transformer与LLM架构

第三个趋势是从研究者手动设计的统计特征，转向AI直接从原始测序数据中学习模式（端到端表征学习）。传统片段组学方法（如DELFI、GALYFRE）依赖短长片段比或片段末端核苷酸频率等人工定义指标，虽有效但需大量特征设计，且可能遗漏复杂的高阶模式。

这种端到端范式在早期癌症检测模型中尤为突出，因其无先验肿瘤信息。例如EMIT采用BERT风格的Transformer（一种最初为语言理解开发的AI架构，此处适配为从排序的末端基序频率中学习模式），在多种癌症中AUROC达0.895–0.996。DECIDIA结合Transformer自回归语言模型（在人类参考基因组上预训练）与注意力机制，自动识别并加权最具信息量的测序读段，无需比对或甲基化定量即可处理原始亚硫酸氢盐测序读段。iLLMAC在末端基序谱上微调LLaMA-7B模型，将其转换为自然语言句子进行分类。这些端到端方法消除了繁琐的预处理步骤，减少了累积误差，并表现出优异的跨癌种泛化能力。

8.4 读段水平错误抑制：单分子层面区分信号与噪声

在低肿瘤分数场景（如MRD或早期癌症）中，一个给定突变在整个血浆样本中可能仅存在于单个DNA片段上。此时噪声不仅来自文库制备与测序的技术假象，还包括与肿瘤无关的生物混淆因素。传统变异识别工具依赖基因座水平的统计（如多个支持读段），在覆盖稀疏时失效。

为此，cfTrack采用随机森林模型进行读段水平错误抑制，整合片段长度与序列上下文特征，在单个读段对层面区分真实变异与测序假象，即使仅有一个支持读段也可实现灵敏检测。Fragle则完全绕过变异识别瓶颈，直接从片段长度密度分布中学习，避免在变异识别阶段的错误累积。GALYFRE利用片段末端位置及其周围核苷酸频率识别异常片段，通过富集肿瘤来源信号间接抑制噪声。在靶向测序场景中，MetaCH整合自监督变异与基因嵌入，区分克隆性造血与肿瘤来源突变，充当有效的识别后错误过滤器。这四大技术趋势——以广度换深度的突变整合、多模态信号融合、端到端表征学习与读段水平错误抑制——标志着从特征级检测到表征级推断的范式转变，通过跨分子层级聚合微弱信号、适应生物与技术噪声、直接从原始测序数据中学习，AI正在将液体活检转化为可用于早期检测、MRD监测与风险分层的灵敏、特异且具临床可操作性的工具。

8.5 人工智能驱动ctDNA分析的临床转化挑战

尽管分析层面取得显著进展，AI驱动的ctDNA工具临床转化仍面临多重实际障碍。首先，深度学习模型的“黑箱”特性限制了可解释性，对FDA或CE-IVD框架下作为医疗器械软件的诊断工具的临床接受度与监管审查构成挑战。其次，与传统锁定不变的检测不同，AI模型可能随新数据出现需要持续再训练，这与假设获批时分析性能固定的传统监管路径相冲突。第三，缺乏专门为AI-based ctDNA检测设计的参考标准与外部质量评估项目，阻碍了实验室间可比性。最后，有效的临床部署需要标准化的报告框架与培训计划，确保临床医生能在个体患者管理背景下恰当解读AI生成的结果。

1. 9.
   结论
   尽管ctDNA分析已在从前分析标准化到分子错误抑制等方面取得显著技术进步，MRD检测的临床灵敏度仍受限于生物信号的丰度与维持特异度所需的统计阈值。即使具备检测超低频率变异的能力，ctDNA的可检测性不仅取决于技术性能，还受限于抽样导致的信号可得性，以及肿瘤DNA释放与清除的生物学变异性。因此MRD分类必须考虑随机背景噪声与多位点检测的影响。在此背景下，超低负荷场景中的ctDNA已逐渐不再是残留疾病的确定性指标，而更多是波动且嘈杂的循环DNA环境中肿瘤相关信号的概率性表征。因此，未来基于ctDNA的监测进展，可能更少依赖进一步降低分析检测限，而更多依赖于跨时间整合与解读微弱、异质的分子信号。人工智能方法通过跨模态聚合相关分子证据，并在超低投入场景中缓解抽样相关的变异性，有望实现更精准的复发风险评估。