随着全球癌症负担逐年加重，肿瘤学界正致力于寻找更具靶向性、精准度更高的灵敏检测手段来实现肿瘤识别与进展监测。十余年来，血清肿瘤标志物 (STM) 已成为许多医疗机构诊断工具组合的一部分。为深入了解 STM 的应用现状与发展前景，Lab Insights 特邀中国两位顶尖医疗专家进行对话：大连医科大学肿瘤科主任 Ji Wei Liu 教授，以及中国医学科学院国家癌症中心检验科主任 Wei Cui 教授。
当今血清肿瘤标志物的临床应用
临床视角：Liu Ji Wei 教授
Liu 教授在临床实践中运用 STM 进行化疗/靶向治疗疗效评估、复发监测，提供精准鉴别诊断及癌症分期。由于接诊患者中多为四期转移性或术后复发性癌症，STM 在高特异性与高灵敏度的癌症检测及监测方面具有重要价值。Liu 教授指出，该检测技术的优势在于其无创性与可及性。他还表示，在某些场景下，血清肿瘤标志物所能提供的信息价值甚至超越影像学技术。例如当 CEA 数值下降提示治疗生效时，CT 或 MRI 等影像手段可能因视野局限或病灶微小而忽视肿瘤变化。在启动靶向治疗或免疫治疗前，STM 还能提供关键信息。虽然其并非治疗方案选择的唯一或核心驱动因素，但若结合肿瘤突变负荷、微卫星不稳定性等其他指标，则能共同指导治疗方案的选择。展望未来，Liu 教授认为该类检测将朝着识别免疫治疗潜在毒性的标志物方向演进，这对确保治疗成功至关重要。
实验室视角：Cui Wei 教授
Cui 教授领导的临床实验室常规检测涵盖 20 余种常见癌症的血清与血浆样本，包括肺癌、卵巢癌、前列腺癌等。为构建全面而精准的肿瘤图谱，其实验室将STM 检测与分子诊断、放射学、影像学及组织学检查进行整合。以非小细胞肺癌 (NSCLC) 为例，除检测 EGFR 等关键基因突变外，还同步开展NSE、CYFRA 21-1、ProGRP、CEA 及 SCC 等 STM 检测；针对卵巢癌则进行 HE4 与 CA125 的联合检测。鉴于 STM 检测仅需微量样本，这对常需多次检测的癌症患者具有显著优势。此外，Cui 教授通过 STM 组合检测实现肿瘤亚型区分、癌症风险评估及疾病进展监控。她还将 STM 检测与循环肿瘤 DNA 检测等新型技术、以及创新分子工具相结合，用于治疗反应的诊断与监测、残留病灶筛查及耐药突变定靶。
血清肿瘤标志物与癌症诊疗的未来
AI、算法与 STM 的未来
尽管当前 STM 的应用范畴仍有限制，但学界普遍认为数据科学、人工智能与机器学习的创新将显著拓展其临床价值。通过整合多变量数据集、新型算法与分析工具，临床医生得以依据患者的 STM 选择更具针对性或更适宜的治疗方案。机器学习技术现已能够区分早期恶性肿瘤与非肿瘤性可控增生，智能算法更可融合影像学检查、分子检测、肿瘤标志物乃至患者医疗史与家族史等个体化因素。此类技术整合有望在癌症诊疗路径的关键决策点为临床医生精准筛选最具意义的 STM 指标。Cui 教授指出：”十年前，中国研究人员已通过联合检测 5 种肺癌标志物与大数据算法，探索基于疾病分期的肺癌分类体系。如今我们能在先进平台中集成新型智能算法与多学科数据，从而更深入地了解患者数据。”她表示，目前大多数实验室仅刚刚开始以这种方式部署 AI、机器学习与智能算法。虽然承认仍需更多研究来实现算法与患者护理的无缝衔接，但她对这项技术将使 STM 在更广泛癌种中具备更高实操价值保持乐观态度。
实验室与临床医生的沟通不可或缺
尽管技术不断进步，Cui 教授指出，目前尚无任何技术能同步完成肿瘤学数据的分析、解读与临床阐释。中国医师协会检验医师分会深知，唯有正确解读基因筛查数据，才能最大程度地发挥 STM 的价值，因此持续致力于加强实验室与医生间的沟通。Cui 教授认为，实验室临床医生应深度参与患者护理临床医生协作，例如主动向临床医生提供数据解读结论和治疗建议。在解析 STM 异常升高结果时，需要帮助临床同仁认识检测技术的局限性，例如部分医生可能未意识到，某些 STM 标志物（如 CA125、CEA 和 AFP）在早孕等良性或正常生理状态下也会出现浓度升高。随着各利益相关方共同构建算法与疾病模型，要实现 STM 在癌症诊疗中的全部潜力，还需要更多区域性与全球性合作。此类合作已在中国萌芽，其推动的进展必将产生超越国界的影响。
