Современная диагностика рака всё чаще фокусируется не только на самих опухолях, но и на сложной реакции организма на их присутствие. Большинство существующих методов основано на обнаружении биомаркеров — молекул, производимых опухолью или окружающей тканью. Однако такие маркеры зачастую проявляются лишь на поздних стадиях заболевания, когда эффективность лечения существенно снижается.
Команда исследователей под руководством профессора Гонсалу Бернардеша из Национального центра исследований рака Испании (CNIO) и Кембриджского университета предложила радикально иной подход. Вместо прямого поиска опухолевых маркеров они сосредоточились на нарушениях, которые рак вызывает в иммунной системе человека, и, в частности, на изменениях в составе белков плазмы крови.
Известно, что иммунная система реагирует на злокачественные новообразования уже в самом начале их развития. Эта реакция отражается на белковом профиле крови, однако до настоящего времени такие изменения не применялись для клинической диагностики. Новый тест анализирует уровни пяти аминокислот — лизина, триптофана, тирозина, а также двух форм цистеина — в образце плазмы, используя чувствительные флуорогенные реакции.
Чтобы превратить сложную биохимическую картину в диагностический инструмент, учёные применили алгоритмы машинного обучения. Искусственный интеллект анализировал концентрации аминокислот у пациентов с различными формами солидных опухолей и выделил уникальные паттерны, позволяющие с высокой точностью отличить рак от других состояний. В пилотном исследовании, охватившем 170 пациентов, тест продемонстрировал 78% чувствительности при полном отсутствии ложноположительных результатов.
Особое внимание в разработке уделялось практической применимости: методика требует лишь минимального объёма крови и может быть реализована в условиях обычной клинической лаборатории. Это делает её потенциально доступной для масштабного внедрения, включая первичную диагностику таких онкозаболеваний, как рак груди и матки, особенно у пациенток без явных симптомов.
Кроме раннего выявления, новый тест оказался полезен для оценки эффективности терапии. Различия в иммунных сигналах позволяют прогнозировать, как организм будет реагировать на конкретное лечение. Так, при анализе отклика на противометастатическую терапию метод показал 100% точность в прогнозировании отсутствия ответа и 87% точность в случае положительного отклика. Это открывает перспективы для использования теста в персонализированной медицине, где выбор терапии зависит от индивидуальных биологических особенностей пациента.
Интересно, что иммунный профиль, определяемый новым тестом, меняется не только при раке, но и при других заболеваниях. Например, реакция организма на инфекцию SARS-CoV-2 отличается от онкологических реакций, как и сигналы разных типов рака или стадий одного и того же заболевания. Таким образом, технология может в перспективе использоваться и для дифференциальной диагностики широкого спектра патологий.
Несмотря на многообещающие результаты, исследователи подчёркивают, что для окончательной клинической валидации необходимо расширенное тестирование. В Великобритании уже запущены два масштабных клинических испытания при поддержке государственной системы здравоохранения, а также аналогичные проекты в США и Китае. Разработка коммерческой версии анализа ведётся в рамках стартапа Proteotype Ltd, основанного Гонсалу Бернардешем совместно с коллегами из Кембриджа.
Новая технология может стать значительным шагом в ранней диагностике и лечении рака груди и матки, помогая выявлять болезнь на этапе, когда она ещё поддаётся эффективному вмешательству. Сочетание биохимии, иммунологии и искусственного интеллекта открывает путь к более точной, быстрой и персонализированной онкологической диагностике.
А затем «Добавить на главный экран». 