隨著全球癌症負擔逐年增加，腫瘤專業人士正在尋求靶向、精確且靈敏的方法來辨識腫瘤並監測其生長。十多年來，許多人使用血清腫瘤標籤(STM)作為其診斷工具包的一部分。為了更好地瞭解STM目前如何使用以及該方法的未來前景，Lab Insights與中國兩位領先的醫療保健專業人員進行了交談：大連醫科大學腫瘤學系主任Liu Ji Wei教授和中國醫學科學院國家癌症中心實驗室主任Cui Wei教授。
當今血清腫瘤標籤的臨床效用
臨床觀點：Liu Ji Wei教授在臨床實踐中
，劉教授使用STM評估對化療或靶向癌症療法的反應，監測復發，提供準確的鑑別診斷，以及癌症分期。由於他看到的大多數患者在手術後患有4期轉移性或復發性癌症，因此STM可用於高度特異性和靈敏的癌症檢測和監測。劉教授說，STM的好處之一是它們的易用性，因為它們是非侵入性的。他還指出，在一些情況下，它們可以提供有關成像技術的高度資訊。例如，CEA值下降可指示治療正在起作用，而像CT掃描或MRI之影像學檢查方法可忽略視野外或太小而無法偵測的腫瘤。STM亦可在開始靶向療法或免疫療法之前提供關鍵資訊。雖然單獨STM並非選擇此等方法的唯一或甚至關鍵驅動因素，但可將其與有關腫瘤突變負荷、微衛星不穩定性或其他指標的資料組合以指導治療選擇。展望未來，劉教授認為此類測試的未來涉及指示潛在免疫療法誘導之毒性的標籤，該等標籤對於確保成功治療結果至關重要。
實驗室觀點：Cui Wei教授的臨床實驗室
，會定期檢測血清和血漿樣本中20多種癌症中常見的腫瘤標誌物，包括肺癌、卵巢癌和前列腺癌。為了提供患者腫瘤狀況的全面且準確的觀點，她的實驗室將STM檢測與分子、放射學、影像學和組織學調查相結合。例如，在非小細胞肺癌(NSCLC)中，她尋找STM，諸如NSE、CYFRA 21-1、ProGRP、CEA和SCC，以及EGFR等關鍵基因的突變。在卵巢癌中，進行HE4和CA125檢測。由於STM通常需要較小的樣品輸入體積，因此對於通常需要多次測試的癌症患者來說可能是有利的。此外，崔教授使用STM組合測試來區分腫瘤亞型，評估癌症風險並監測疾病進展。她還將STM檢測與較新的檢測（例如循環腫瘤DNA檢測）或與新型分子工具相結合，以診斷和監測治療反應、檢測殘留病灶和靶向耐藥突變。
血清腫瘤標籤和癌症照護的未來
AI、演算法及STM的未來
雖然STM的使用範圍目前有限，但許多人相信資料科學、人工智慧及機器學習的創新將擴展其臨床效用。將多變數資料集、新演算法和分析工具繪製在一起，臨床醫師可以基於患者的STM選擇更具體或更合適的治療方法。機器學習技術現在可以區分癌症的早期階段和非腫瘤性受控生長。智慧型演算法亦可結合成像、分子檢測、腫瘤標籤甚至患者因素（諸如其醫療及家族史）。此類整合可能很快就能找出最具意義的STM，供臨床醫師在癌症照護路徑中的關鍵決策點使用。崔教授指出：「十年前，中國研究人員將5種肺癌STM的檢測與大資料演算法相結合，探索了根據疾病階段對肺癌的分類。」「現在，我們可以將新的智慧型演算法和多學科資料整合到複雜的平台中，以更好地瞭解患者資料。」崔教授指出，大多數實驗室才剛剛開始以這種方式實施AI、機器學習及智慧型演算法。她承認，需要更多研究才能將演算法與病患照護無縫連線，但她樂觀地認為，這個過程將使STM在更廣泛的癌症中更具可操作性和實用性。
儘管取得了這些進步
，但實驗室-臨床醫師溝通仍然至關重要，崔院士指出，沒有技術可以同時分析、解釋和臨床解釋腫瘤學資料。中國檢驗醫學會瞭解，只有正確解讀基因篩檢資料，STM的價值才會最大化，並逐步致力於改善實驗室與醫師之間的溝通。崔教授認為，實驗室臨床醫師在病患照護上應與臨床醫師合作，例如主動直接向臨床醫師提供資料判讀和治療建議。當剖析高STM結果時，她的臨床同事有時可能需要接受關於檢查限制的教育。例如，一些臨床醫師可能不知道STM即使在良性或正常生理狀態下也會表現出來，例如在早期妊娠時的CA125、CEA和AFP水準較高。隨著利益相關者共同建立演算法和疾病模型，將需要更多的區域和全球合作，以實現STM在癌症照護方面的全部潛力。此類合作正開始在中國紮根，並可能推動已產生深遠影響的進步。
