下一代生物标志物与人工智能在结直肠癌精准肿瘤学中的应用:多组学整合、液体活检、计算病理学与临床转化的系统性综述

《Cancers》:STEAP2 Is a Candidate Marker of a 7q/CNA-Associated Iron-Handling Malignant Epithelial State in Lung Adenocarcinoma

【字体: 大 中 小 】 时间:2026年09月21日 来源:Cancers 4.8

编辑推荐:

  结直肠癌(CRC)仍是全球癌症相关死亡的主要原因之一,尽管分子谱分析和人工智能(AI)的进展正以前所未有的方式重塑精准肿瘤学,有望改善患者预后。本综述综合了当代关于CRC下一代生物标志物和AI应用的最新证据,涵盖多组学数据整合、液体活检、计算病理学、影像组学和

  
结直肠癌(CRC)仍是全球癌症相关死亡的主要原因之一,尽管分子谱分析和人工智能(AI)的进展正以前所未有的方式重塑精准肿瘤学,有望改善患者预后。本综述综合了当代关于CRC下一代生物标志物和AI应用的最新证据,涵盖多组学数据整合、液体活检、计算病理学、影像组学和临床实施。几项发现尤为突出。整合基因组学、转录组学、蛋白质组学、代谢组学和微生物组学的多组学方法在预测预后和治疗反应方面优于单一组学生物标志物。机器学习(ML)和深度学习(DL)模型已实现从常规组织病理学直接预测分子生物标志物的临床级性能,用于微卫星不稳定性(MSI)检测的汇总受试者工作特征曲线下面积(AUROC)达到0.94。循环肿瘤DNA(ctDNA)监测可实现微小残留病灶(MRD)检测和实时治疗指导,术后ctDNA状态可将两年无复发生存率从50.4%提升至91.1%;随机对照试验进一步表明,ctDNA指导的管理可安全减少II期结肠癌辅助化疗的使用。影像组学和病理组学可从影像和组织病理学中提取具有预后意义的定量特征,实现非侵入性肿瘤表征,而整合临床、基因组、影像和病理数据的多模态模型则支持个体化治疗选择。MSI高表达(MSI-H)状态预示免疫治疗的卓越获益,其总生存风险比为0.35(对比化疗)。然而,仍存在相当大的困难:跨机构的数据协调、模型在不同人群中的泛化性、算法偏差以及适用于临床AI的监管框架。未来几年的优先事项包括对AI引导的治疗算法进行前瞻性验证、整合空间转录组学和单细胞方法、在不损害隐私的前提下支持多机构协作的联邦学习,以及制定生物标志物检测和解读的标准化方案。
1. 引言与临床背景
1.1 结直肠癌流行病学与生物标志物革命
结直肠癌是全球第三大常见恶性肿瘤和第二大癌症相关死亡原因。尽管筛查工具可用,但相当比例病例仍在晚期确诊,生存率远低于早期发现。内镜仍是二级预防的首选方式,但因侵入性导致依从性低于预期,这为非侵入性生物标志物的发展提供了实践依据。Fearon和Vogelstein描述的腺瘤-癌序列(涉及APC、KRAS和TP53基因的逐步遗传改变积累)仍然是结直肠癌发生的组织模型。早期检测和手术切除仍是管理基石,但下一代生物标志物结合机器学习(ML)现为实现更好的患者分层、治疗选择和结果预测提供了可能。
1.2 从单一生物标志物到多组学整合
传统CRC生物标志物如KRAS、TP53、BRAF和MSI已提供关键临床指导数十年,但各自在有限的生物学背景下运作。KRAS突变存在于约40-50%的CRC病例中,预测抗表皮生长因子受体(EGFR)单克隆抗体耐药。然而,这些二元分类未能捕捉肿瘤生物学的全貌。先进的ML方法已识别出中性粒细胞胞外陷阱(NET)相关基因签名(AUROC 0.745-0.762)、缺氧相关基因签名(AUROC 0.9663)等。当代证据表明,没有任何单一组学层能捕获足够的信息以实现最佳的CRC患者分层,多组学整合可改善治疗反应、预后和耐药机制的预测。
1.3 人工智能在精准肿瘤学中的作用
人工智能在精准肿瘤学中的贡献在于其规模和维度上的模式识别能力,这是人工分析无法企及的。ML现在为从复杂异质性数据集中提取生物学见解提供了大量分析能力。最近的架构进步包括自监督预训练、多模态transformer架构、图神经网络、基于注意力的多实例学习(MIL)和生成模型。可解释人工智能(XAI)技术提供了临床医生信心、监管审查和可信部署所需的透明度。ML在肿瘤学中的临床效用已在多个CRC管理领域得到证明,包括诊断、预后和治疗预测。
1.4 范围与文献检索
本文为叙述性综述而非系统性综述,未注册正式方案。检索了PubMed/MEDLINE、Scopus和Web of Science数据库,时间从建库至2026年2月。优先考虑报告外部验证或前瞻性设计的研究,以及最大或最近发表的研究。
2. 多组学生物标志物发现与机器学习整合
2.1 基因组与表观基因组生物标志物的临床应用
驱动基因如APC、KRAS、TP53和BRAF的突变可识别治疗靶点,构成CRC分子诊断的基石。RAS和BRAF突变状态、人表皮生长因子受体2(HER2)扩增以及MSI/错配修复缺陷(dMMR)状态现已成为治疗决策的标准组成部分。DNA甲基化模式代表了体细胞突变之外的表观遗传层面,基于血液的表观遗传生物标志物因在癌变早期即可在血浆中检测到甲基化变化而尤其有前景。
2.2 转录组分析与共识分子亚型
转录组分析可将CRC分为有临床意义的亚型。共识分子亚型(CMS)分类来自国际联盟,解决了六种竞争性基因表达分类之间的不一致,最终收敛于四种亚型:CMS1(MSI-免疫型,14%)、CMS2(经典型,37%)、CMS3(代谢型,13%)和CMS4(间质型,23%)。CMS的临床效用超出预后,延伸至治疗反应预测。基于图像的CMS分类器(imCMS)已实现直接从常规组织病理切片进行经济有效的分子分型。
2.3 蛋白质组学、代谢组学和微生物组衍生签名
蛋白质组学可解析与治疗相关的功能性蛋白差异,代谢组学则可识别反映肿瘤代谢重编程的特征性代谢物。基于血液的生物标志物发现因其可及性、可重复性和早期检测潜力而备受关注。肠道微生物组已成为非侵入性生物标志物的有前景来源,粪菌宏基因组研究一致识别出一个富含口腔典型生物膜形成物种的核心CRC相关签名。Fusobacterium nucleatum、Parvimonas micra、Peptostreptococcus stomatis和Bacteroides fragilis被反复确认为与CRC发展和进展相关的关键类群。
2.4 机器学习在微生物组数据中的应用
分类丰度图谱是高维、稀疏和成分性的,使其成为计算方法的自然目标。基于粪便微生物组数据的近期模型在内部验证中取得了0.61至0.98的AUROC值,在外部验证队列中为0.70至0.87。随机森林(RF)应用最广泛,而XGBoost方法实现了0.90-0.98的AUROC。将微生物信息与其他组学和临床变量整合可进一步提高判别能力。可解释AI方法,特别是基于SHAP的特征归因,已被应用于将模型预测与单个微生物类群和通路联系起来。
2.5 机器学习衍生签名
近期分析采用ML系统性地跨生物学模态发现预后签名。一种使用十种ML算法开发的neddylation相关基因签名在一年、两年和三年总生存预测中分别达到了0.979、0.989和0.996的AUROC。多组学ML整合已将CD151鉴定为代谢综合征相关早发性CRC的关键生物标志物。一项结合单细胞RNA测序与ML的研究将PMAIP1鉴定为连接凋亡与免疫微环境重塑的调控枢纽。
2.6 免疫相关生物标志物与分子亚型
CRC的免疫和基质分类与分子亚型相关,并直接关系到精准免疫治疗。Galon及其同事首次证实CRC肿瘤内免疫细胞的类型、密度和位置比传统组织病理分期更可靠地预测临床结局。Immunoscore将这一观察形式化为对肿瘤中心和浸润边缘处CD3+和CD8+T细胞密度的定量评估,并在国际联盟研究中得到验证。
2.7 端粒生物学与染色体不稳定性:转化失败的案例研究
端粒随连续分裂而缩短,端粒酶由逆转录酶亚基TERT和RNA模板TERC组成,可抵消这种磨损。在结直肠组织中,信号一致:81%的癌症中检测到活性,而息肉中为22%,90%的肿瘤中检测到活性而正常结肠中为零。然而,人群层面的情况并不明确。一项包含51项研究的荟萃分析发现端粒长度与胃肠道癌症之间存在关联,但与总体癌症风险无关。可靠的組織水平信号伴随不一致的循环信号,这是测定问题而非生物学问题的标志。
3. 液体活检:非侵入性分子监测与精准诊断
3.1 循环肿瘤DNA:技术进展
外周血血浆中检测到的ctDNA可实现肿瘤基因组学的非侵入性评估。超灵敏二代测序(NGS)平台现可实现0.01-0.1%等位基因频率的检测限。两种主要的设计理念主导着该领域:肿瘤知情方法和肿瘤不可知方法。ctDNA变异等位基因频率(VAF)提供与突变存在与否互补的预后信息。
3.2 微小残留病灶检测与前瞻性验证
准确识别治愈性切除后的MRD仍是一个未满足的需求。英国TRACC part B研究表明,术后ctDNA不可检测的患者两年无复发生存率为91.1%,而可检测者为50.4%。DYNAMIC试验将II期结肠癌患者分配到ctDNA指导或标准临床病理管理,发现ctDNA指导的方法在两年无复发生存率方面非劣效,同时几乎将辅助化疗使用减半。五年结局确认了其持久性。
3.3 甲基化检测、多组分活检与真实世界实施
基于甲基化的方法提供补充信息。一种甲基化特异性液滴数字聚合酶链反应多重检测在局限性肿瘤中显示出96.7%的特异性和64.4%的敏感性。将基因组和甲基化信号结合在单一组织不可知检测中可提高MRD敏感性。真实世界基因组数据库证实ctDNA检测的MSI-H状态可预测跨癌种的稳健免疫治疗反应。
3.4 人工智能增强的液体活检分析
AI与多组学方法的整合增强了ctDNA检测的分析能力。在片段组学中,对236名癌症患者和245名健康个体的分析显示,应用ML模型可在98%的特异性下实现57%至超过99%的检测灵敏度,总体AUROC为0.94。
4. 计算病理学与影像组学
4.1 影像组学:原理与预后应用
影像组学包括从医学图像中系统提取定量特征。提取的特征包括形态学特征、一阶强度统计量、纹理特征和高阶结构复杂性度量。多区域方法在CRC中展现出特别价值。开发影像组学预后模型需要仔细关注测量可靠性。
4.2 图像分析与分割的深度学习
自动化基于DL的图像分析系统在息肉检测、肿瘤识别和组织表征方面取得了高精度。计算机辅助检测(CADe)在结肠镜检查中的随机试验报告了54.8%的腺瘤检出率,相比之下未使用该系统时为40.4%。
4.3 从组织病理学预测分子生物标志物的深度学习
DL从常规苏木精-伊红染色切片推断MSI的能力已成熟为AI在CRC中最发达的应用之一。一项包含30项原始研究的系统荟萃分析发现,基于病理切片的DL检测MSI的汇总特异性为0.86,敏感性为0.90,汇总AUROC为0.94。
4.4 多目标和多模态预测、可解释性与部署
Transformer架构已取代卷积网络成为CRC组织学生物标志物预测的最先进技术。多目标transformer模型可同时预测多种遗传改变和相关表型。模态融合进一步扩展了这一能力。SHAP分析和Grad-CAM已成为该领域可解释性的标准工具。
4.5 病理组学与肿瘤微环境评估
计算病理组学已成为生物标志物发现和预后预测的有力方法。基于病理组学的ML模型在预测局部晚期直肠癌病理完全缓解方面在内部数据集上实现了1.000的AUROC,在外部数据集上为0.950。
4.6 治疗反应预测
基于ML的影像组学模型在预测局部晚期直肠癌治疗反应方面取得了有前景的性能。SRADL模型整合深度学习与亚区域影像组学签名,在训练中实现了0.925的AUROC,在外部测试队列中为0.902-0.915。
5. 机器学习的预后与风险分层
ML算法在预测CRC生存结局方面展现了潜力。一项针对1853名患者的多中心国家研究发现,最佳模型的死亡率分类AUROC约为0.70。另一个五年生存预测模型发现XGBoost在内部验证中AUROC为0.906,外部验证为0.813。复发风险预测是术后治疗决策的核心。基于标准化病理报告的ML在II期和III期CRC中实现了0.87的准确度和1.0的特异性。
6. 临床应用:MSI-H、免疫治疗与治疗选择
6.1 微卫星不稳定性与免疫治疗疗效
MSI-H状态是CRC中最具临床影响的精准肿瘤学生物标志物之一,可识别出从免疫治疗中获得卓越益处的患者。一项包含13项随机试验的荟萃分析发现,与化疗相比,免疫治疗将死亡风险降低了65%(HR 0.35)。KEYNOTE-177试验确立了帕博利珠单抗作为一线标准治疗的地位。
6.2 超越MSI-H:预测性生物标志物、耐药性与微卫星稳定疾病
将TMB与其他生物标志物整合可改善免疫治疗反应的预测。约95%的CRC为微卫星稳定型(MSS),免疫检查点抑制剂在该人群中单独使用效果有限。计算方法正在开始直接针对这一人群进行研究。
6.3 新辅助与辅助免疫治疗
多项II期试验报告了新辅助免疫治疗在MSI-H局部晚期CRC中的病理完全缓解(pCR)率介于47%至73%之间。影像学与病理学反应存在显著不一致,总体不一致率达到59.6%。一项关于dostarlimab的前瞻性II期研究报告所有完成治疗的患者均获得临床完全缓解。
7. 整合、实施与未来展望
7.1 临床转化、标准化与监管考量
在常规CRC护理中实施下一代生物标志物和AI模型需要克服组织、经济和监管挑战。不同NGS panels、液体活检检测和影像组学软件产生不同结果,使多机构合作复杂化。成本作为隐含约束贯穿全文,对于分子谱分析而言,更广泛的panels不一定带来更好的决策。
7.2 数据公平、全球实施与前瞻性验证
大多数AI模型和多组学数据集源自欧洲血统人群,这可能限制其对其他群体的泛化性。确保精准医学惠及资源不足的人群需要深思熟虑的政策。多个前瞻性随机试验正在进行中,以验证ctDNA指导的治疗决策和AI驱动的预后模型。
7.3 新兴技术
几个方向将塑造下一阶段:影像组学与基因组学和纵向数据的整合支持患者特定数字孪生系统;联邦学习可在不集中患者数据的情况下实现多机构训练;空间转录组学和单细胞方法有望比批量分析更精细地表征异质性。然而,端粒长度和端粒酶活性尚未在任何已发表的CRC整合模型中与分子、病理组学或影像组学特征相结合。
8. 结论
下一代生物标志物和人工智能共同标志着结直肠癌管理的实质性转变,支持更早的检测、更精确的分子表征、个体化治疗选择和动态疾病监测。多组学技术现允许全面的肿瘤分析,深度学习已达到从常规组织病理切片直接预测分子生物标志物的临床级性能。液体活检,特别是基于ctDNA的检测,已成为微小残留病灶检测和治疗反应监测的有力工具。最关键的下一步是将这些工具整合到经过严格验证的临床路径中,通过随机对照试验证明其能够改善患者结局,而不仅仅是提高预测准确性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号