癌症在现代社会中依然是致命的杀手，但我们也认识到，及时的早期诊断能够显著提高癌症患者的治疗效果并大幅延长其寿命。因此，在生物医学领域，借助体外诊断实现癌症的早期检测成为了一个重要的目标。现有的一些癌症生物标志物，比如癌胚抗原（CEA）和前列腺特异性抗原（PSA），已被广泛用于癌症的诊断和预后预测。但遗憾的是，在癌症早期，这些标志物往往很少出现。而对于一些癌症类型，我们至今还没有有效的预筛查工具。不过，希望正在酝酿之中，循环肿瘤细胞（CTC）、细胞游离DNA（cfDNA）以及携带肿瘤细胞胞质和膜信息的细胞外囊泡（EV）等新的生物标志物，已经在液体活检中展现出对多种癌症类型的检测潜力。

近期，来自韩国大学的研究小组与EXoPERT公司合作开发了一种新的技术，利用人工智能（AI）与表面增强拉曼光谱（SERS）技术对外泌体进行分析，仅通过单次血液检测即可诊断出6种类型的早期癌症——肺癌、胰腺癌、乳腺癌、结肠癌、胃癌和肝癌。研究人员称，这项技术不仅可以发现早期癌症，还能识别出癌症种类，这一研究成果已发表在Nature Communications上。

外泌体是一类由体细胞主动分泌出来的微小细胞外囊泡，在血液中的含量丰富。由于癌细胞产生的外泌体可以无创地提供癌症相关信息，研究人员认为如果能够辨识出不同癌症细胞各自产生的外泌体的特性，那么就有可能同时进行针对多种癌症的液体活检。

目前，能够获取化学结构振动和旋转模式信息的振动光谱技术成为了识别不同类型生物样本的有力工具，其中，拉曼光谱分析法以其简单、非破坏性及样品需求量少的特点，成为了检测外泌体等生物材料组成差异的有效手段。随着SERS等等离子体增强方法的发展，许多科研团队已开始运用拉曼光谱来分析细胞外囊泡。这些研究证明，不使用标签和特异性抗原，也能从各种生物样本中识别出细胞外囊泡和外泌体。更值得一提的是，包括AI在内的多元统计方法和机器学习技术的进步，使得识别这些振动光谱的结果分析变得更加准确且简单。

综合这些优势，研究人员开发了一种将AI和SERS结合的液体活检方法，能够通过对血浆外泌体的无标记分析，同时诊断6种癌症类型。首先，研究人员利用SERS生物传感技术从血液中分离出外泌体，获得了2万多个拉曼信号数据，用于收集外泌体的分子图谱。然后，他们利用深度学习模型对这些数据进行分析，以进行癌症诊断和组织来源的鉴定。深度学习模型会先将每个信号分类为正常或癌症，给出癌症存在的评分。然后，多个分类器模型使用one-vs.-rest方法进行癌症类型的训练，为第一步时被判定为“存在癌症”的结果进行组织来源的确认。

▲Exosome-SERS-AI综合决策模型示意图（图片来源：参考资料[1]）

在该研究中，研究人员们使用了520个未参与训练的患有或未患有癌症的测试样本来评估这种系统的诊断性能。结果显示，该早期诊断系统能够以97%的准确率（曲线下面积值为0.970）检测到肺癌、胰腺癌、乳腺癌、结肠癌、胃癌和肝癌的存在，敏感性为90.2%，特异性为94.4%。此外，该技术还能够以超过90%的平均准确率鉴定癌症的组织来源。特别是在检测II期或更早期癌症方面，其敏感性达到88%，并且在76%的患者中准确识别了癌症的类型，显示出作为早期癌症液体活检的潜力。

研究团队成员评价称，这项研究的成果有助于实现最近备受关注的多癌症早期检测（MCED）。MCED不仅有望显著降低癌症患者的死亡率，还能减轻癌症患者所承担的医疗费用。

目前，该技术的专利申请已经提交，并且研究团队正在全力推进技术的开发和商业化工作，计划在今年年底前开展肺癌诊断AI软件的临床试验。研究人员还表示，由于该技术中使用到的拉曼光谱分析技术是非特异性的，因此有望将其诊断范围扩展至其他疾病。让我们期待这项技术能早日应用于临床实践，以帮助更多早期癌症患者及时进行诊断和治疗，从而挽救更多的生命。