随着全球癌症负担的逐年增加，肿瘤学专家们正在寻找精准、敏感 的靶向肿瘤检测方法并监测其生长。十多年来，很多人使用血清肿瘤标志物（STM）作为其诊断工具的一部分。  

为了更好地了解STM目前的使用现状以及这种方法未来的应用前景，Lab Insights采访了两位著名的中国医学专家：分别是大连医科大学肿瘤科主任刘基巍教授和中国医学科学院国家癌症中心检验科主任崔巍教授。

血清肿瘤标志物的临床使用现状

临床观点：刘基巍教授

在临床实践中，刘教授使用STM评估患者对化疗或癌症靶向治疗的反应、监测复发情况、辅助鉴别诊断及对癌症进行分期。由于他接诊的大多数患者都是术后4期转移性或复发性癌症患者，因此STM对于癌症的检测和监测非常有用。 

刘教授认为，STM的优点之一是其可及性，因为这是一种非侵入性的检测方法。他还指出，在某些情况下，STM对于影像诊断还可提供非常有用的信息。例如，CEA血清值下降可能表明治疗有效，而CT扫描或MRI等影像检查可能会漏掉视野之外的肿瘤或因太小而无法检测的肿瘤。

STM还可以在靶向治疗或免疫治疗启动前提供关键信息。尽管STM并非选择这些治疗方法的唯一或关键驱动因素，但可将其与肿瘤突变负荷、微卫星不稳定性或其他一些指证组合起来去指导治疗选择。展望未来，刘教授认为包含标志物的此类检测未来将可提示潜在的免疫治疗的诱导毒性，这对于确保成功的治疗结果至关重要。 

实验室角度：崔巍教授

崔教授的实验室常规检测血清和血浆样本中的20多种常见于肺癌、卵巢癌和前列腺癌等癌症的标志物。她的实验室还结合了分子、放射学、影像学和组织学等检测，全面、准确地了解患者的肿瘤状况。

例如，在非小细胞肺癌（NSCLC）中，她们开展了NSE、CYFRA 21-1、ProGRP、CEA和SCC等STM，以及常见突变基因EGFR等项目。在卵巢癌中则检测HE4和CA125。血清肿瘤标志物需要的样本量较小，对于需要进行多项检测的癌症患者而言，有较大优势。

此外，崔教授还使用血清肿瘤标志物检测组合来区分肿瘤亚型，评估癌症风险并监测疾病进展。她还将血清肿瘤标志检测与循环肿瘤DNA等新检测方法或新型分子工具结合，用于辅助诊断和疗效监测、检测残留病灶和靶向药耐药突变。 

血清肿瘤标志物与癌症治疗的未来

人工智能、算法和血清肿瘤标志物的未来

虽然目前血清肿瘤标志物的应用范围有限，但很多人认为，大数据应用、人工智能和机器学习的创新将扩大其临床应用。通过多变量数据集、新算法和分析工具的综合利用，临床医生可以根据患者的血清肿瘤标志物浓度选择更敏感或更合适的治疗方法。 

机器学习技术现在已可以区分癌症的早期阶段和非肿瘤性、可控生长阶段。智能算法还可以结合成像、分子检测、肿瘤标志物，甚至患者病史和家族史等因素。这种整合可能很快就能找到那些能帮助临床医生做关键诊疗决策的肿瘤标志物。

崔教授指出：“十年前，中国研究人员将5种肺癌血清肿瘤标志物与大数据算法相结合，尝试对肺癌患者进行疾病阶段的分期。现在，我们可以在复杂的平台上整合新的智能算法和多学科数据，以便更好地理解患者的检测数据。” 

崔教授指出，大多数实验室才刚刚开始以这种方式使用AI、机器学习和智能算法。她强调，需要开展更多研究来实现算法与患者诊疗的无缝连接，她对肿瘤标志物被更广泛、落地的应用感到乐观。 

实验室与临床医生之间的沟通仍然至关重要

崔教授指出，尽管取得了这些进展，但没有任何技术可以同时对肿瘤学数据进行分析、解读和临床解释。中华医学会检验医学分会认识到，只有正确解读基因筛查数据，并逐步致力于改善实验室和医生之间的沟通，才能使血清肿瘤标志物的价值最大化。

崔教授认为，实验室应与临床医生合作服务于患者诊疗，例如主动、直接向临床医生提供结果解读和治疗建议。血清肿瘤标志物增高时，实验室医生有时需要向临床医生解释检测的局限性。例如，有些临床医生可能不知道血清肿瘤标志物在某些良性疾病或正常生理状态下也能表现出来，例如妊娠早期CA125，CEA, AFP水平均较高。 

随着各方齐心协力建立算法和疾病模型，将需要开展更多的区域乃至全球合作来挖掘血清肿瘤标志物在癌症诊治方面的全部潜力。这种合作已经开始在中国生根发芽，并有可能不断发展，使其影响辐射到中国以外的国家和地区。