Cancer Res. | 蒋庆华/许召春团队建立基于外周血免疫特征的多癌种早期诊断模型

近日，哈尔滨工业大学/哈尔滨医科大学蒋庆华/许召春教授团队提出基于外周血免疫信号的癌症早期诊断新思路，研发了首个基于外周血免疫特征的多癌种早期诊断人工智能模型，相关成果以“The deep learning framework iCanTCR enables early cancer detection using the T cell receptor repertoire in peripheral blood”为题发表在美国癌症研究协会官方期刊Cancer Research上。

癌细胞是异常细胞，当癌细胞在体内初始形成时，CT或核磁等技术途径难以有效检出。然而，人体免疫系统能够第一时间监测到癌细胞的生长并做出癌种特异的抗癌反应，其外周血免疫信号会发生明显变化，监测外周血免疫信号，是开展癌症早期诊断的一种新的途径。此外，前期研究发现不同的癌症具有不同的免疫特征模式，因此，多种癌症的早期诊断这一难题，可以转换为基于外周血免疫特征的多癌种分类问题。

基于上述思路，蒋庆华/许召春教授团队收集了11种癌症的2000余例组织/外周血、对照样本的外周血TCR测序数据，成功开发出一种利用外周血免疫特征进行多种癌症早期诊断的人工智能模型（iCanTCR）。为了评估该模型区分癌症与对照样本的性能，作者将其应用于乳腺癌、肺癌、胰腺癌早期癌症患者与健康对照的外周血TCR数据，获得了良好的性能（AUC达到0.86，图1A-C）。为了进一步评估该模型是否能区分不同的癌症，作者将其应用于多种高发癌症的TCR数据，发现该模型具有区分多种癌症的能力（总体ACC达到0.81，图1D）。

图1. iCanTCR模型的性能

综上，作者开发了一种利用外周血免疫组大数据进行癌症早期诊断的人工智能模型，通过独立测试集从不同角度展示了该模型的性能，具有重大的临床转化价值。

哈尔滨工业大学生命科学与技术学院博士生蔡一灯、罗檬为该论文的共同第一作者，哈尔滨工业大学/哈尔滨医科大学蒋庆华教授、哈尔滨医科大学许召春教授为共同通讯作者。该研究承蒙科技创新2030-“新一代人工智能”重大项目、国家杰出青年科学基金、基金委重点项目的支持。

参考资料

Cai, Yideng, Meng Luo, Wenyi Yang, Chang Xu, Pingping Wang, Guangfu Xue, Xiyun Jin et al. "The deep learning framework iCanTCR enables early cancer detection using the T cell receptor repertoire in peripheral blood." Cancer Research (2024).