Seiring dengan meningkatnya beban kanker secara global setiap tahun, para ahli onkologi berupaya menemukan metode yang terarah, presisi, dan sensitif untuk mengidentifikasi tumor serta memantau pertumbuhannya. Selama lebih dari satu dekade, banyak yang menggunakan penanda tumor serum (STM) sebagai bagian dari perangkat diagnostik mereka. Untuk lebih memahami penggunaan STM saat ini dan prospeknya di masa depan, Lab Insights berbincang dengan dua profesional layanan kesehatan terkemuka Tiongkok: Prof. Liu Ji Wei, Director of the Oncology Department di Da Lian Medical University, dan Prof. Cui Wei, Director of Laboratory Medicine di Chinese Academy of Medical Science National Cancer Centre.
Manfaat klinis penanda tumor serum saat ini
Perspektif klinis: Prof. Liu Ji Wei
Dalam praktik klinisnya, Prof. Liu menggunakan STM untuk mengevaluasi respons terhadap kemoterapi atau terapi kanker terarah, memantau kekambuhan, memberikan diagnosis banding yang akurat, dan menentukan stadium kanker. Karena sebagian besar pasien yang ia tangani menderita kanker stadium 4 metastatik atau kambuh pascaoperasi, STM berguna untuk deteksi dan pemantauan kanker yang sangat spesifik dan sensitif. Salah satu keunggulan dari STM, menurut Prof. Liu, adalah aksesibilitasnya, karena bersifat non-invasif. Ia juga mencatat bahwa STM dapat memberikan informasi yang sangat berguna terkait teknik pencitraan dalam situasi tertentu. Sebagai contoh, penurunan nilai CEA dapat menunjukkan efektivitas pengobatan, sementara metode pencitraan seperti pemindaian CT atau MRI mungkin tidak mendeteksi tumor yang berada di luar bidang pandang atau terlalu kecil untuk dideteksi. STM juga dapat memberikan informasi penting sebelum pengobatan terarah atau imunoterapi dapat dimulai. Meskipun STM sendiri bukan satu-satunya atau pendorong utama dalam menentukan pendekatan ini, STM dapat dikombinasikan dengan data mengenai beban mutasi tumor, instabilitas mikrosatelit, atau indikator lain untuk memandu pemilihan pengobatan. Prof. Liu memandang bahwa di masa mendatang, pengujian semacam ini akan mencakup penanda yang mengindikasikan potensi toksisitas akibat imunoterapi, yang akan sangat penting untuk memastikan keberhasilan hasil pengobatan.
Perspektif laboratorium: Prof. Cui Wei
Laboratorium klinis Prof. Cui secara rutin menguji sampel serum dan plasma untuk lebih dari 20 penanda tumor yang umum ditemukan pada berbagai kanker, termasuk kanker paru-paru, ovarium, dan prostat. Untuk memberikan perspektif yang komprehensif dan akurat mengenai lanskap tumor pasien, laboratoriumnya mengombinasikan tes STM dengan pemeriksaan molekuler, radiologis, pencitraan, dan histologis. Dalam kasus kanker paru-paru non-sel kecil (NSCLC), misalnya, ia mencari STM seperti NSE, CYFRA 21-1, ProGRP, CEA, dan SCC, bersamaan dengan mutasi pada gen kunci seperti EGFR. Dalam kasus kanker ovarium, pengujian HE4 dan CA125 dilakukan. Mengingat STM umumnya memerlukan volume input sampel yang relatif kecil, hal ini dapat memberikan keuntungan bagi pasien kanker yang sering menjalani berbagai tes. Selain itu, Prof. Cui menggunakan pengujian panel STM untuk membedakan antara subtipe tumor, mengevaluasi risiko kanker, dan memantau perkembangan penyakit. Ia juga mengombinasikan pengujian STM dengan pengujian baru seperti DNA tumor sirkulasi, atau dengan alat molekuler inovatif, untuk mendiagnosis dan memantau respons pengobatan, mendeteksi lesi residual, serta menargetkan mutasi yang resisten terhadap obat.
Masa depan penanda tumor serum dan perawatan kanker
AI, algoritma, dan masa depan STM
Meskipun spektrum penggunaan STM saat ini masih terbatas, banyak pihak meyakini bahwa inovasi dalam ilmu data, kecerdasan buatan, dan pembelajaran mesin akan memperluas kegunaan klinisnya. Dengan menggabungkan set data multivariat, algoritma baru, dan alat analitik, tenaga medis dapat memilih pengobatan yang lebih spesifik atau sesuai berdasarkan STM pasien. Teknik pembelajaran mesin kini dapat membedakan antara tahap awal kanker dan pertumbuhan terkontrol yang tidak bersifat tumor. Algoritma cerdas juga dapat memadukan pencitraan, pengujian molekuler, penanda tumor, serta faktor pasien seperti riwayat medis dan keluarga mereka. Integrasi seperti ini dalam waktu dekat mungkin dapat mengidentifikasi STM yang paling bermakna untuk digunakan oleh tenaga medis pada titik keputusan penting dalam jalur perawatan kanker. “Satu dekade lalu, para peneliti Tiongkok meneliti pengategorian kanker paru-paru berdasarkan stadium penyakit dengan mengombinasikan deteksi 5 STM kanker paru-paru dengan algoritma big data,” jelas Prof. Cui. “Kini, kita dapat mengintegrasikan algoritma baru yang cerdas dan data multidisipliner dalam platform yang canggih untuk memahami data pasien dengan lebih baik.” Prof. Cui menyebutkan bahwa sebagian besar laboratorium baru mulai mengimplementasikan AI, pembelajaran mesin, dan algoritma cerdas dengan cara ini. Ia menyadari perlunya lebih banyak penelitian untuk menghubungkan algoritma dengan perawatan pasien secara mulus, tetapi ia tetap optimis bahwa proses ini akan membuat STM lebih dapat ditindaklanjuti dan bermanfaat dalam berbagai jenis kanker.
Komunikasi antara laboratorium dengan tenaga medis tetap esensial
Terlepas dari kemajuan ini, Prof. Cui menekankan bahwa belum ada teknologi yang dapat menganalisis, menafsirkan, dan menjelaskan data onkologi secara klinis. Chinese Society of Laboratory Medicine memahami bahwa nilai STM hanya akan maksimal jika data penyaringan genetik ditafsirkan dengan benar, serta secara progresif berfokus pada peningkatan komunikasi antara laboratorium dan dokter. Prof. Cui percaya bahwa tenaga laboratorium perlu berkolaborasi dengan tenaga medis dalam perawatan pasien, misalnya dengan secara proaktif memberikan interpretasi data dan saran pengobatan langsung ke tenaga medis. Saat mengurai hasil STM yang tinggi, rekan klinisnya terkadang mungkin perlu diberi pemahaman mengenai keterbatasan suatu tes. Sebagai contoh, sebagian tenaga medis mungkin tidak mengetahui bahwa STM dapat muncul bahkan dalam keadaan fisiologis jinak atau normal, seperti peningkatan kadar CA125, CEA, dan AFP pada awal kehamilan. Seiring dengan hadirnya para pemangku kepentingan untuk bersama-sama membangun algoritma dan model penyakit, diperlukan lebih banyak kerja sama baik regional maupun global guna memaksimalkan potensi STM dalam perawatan kanker. Kerja sama semacam ini mulai bekembang di Tiongkok, dan kemungkinan besar akan mendorong kemajuan yang berdampak luas hingga ke luar negeri.
