癌症的一些切身體會（六）檢測和生物標誌物

平等性

在寫這個係列的第一篇的時候，我就講到了定期做身體檢查的重要性。因為這樣的檢查，可以幫助醫護人員對我們身體的多個指標做檢測，並且能夠更準確地做出診斷。

最近世衛組織的數據顯示，每年大約有880萬人死於癌症，真是觸目驚心！而這裏麵的絕大多數都是發生在低收入和中等收入國家，這其中的一個主要原因就是，在這些國家裏，許多的癌症病例在確診的時候已經到了晚期，結果就是治愈和患者康複的可能性極低。世衛組織非傳染性疾病、殘疾、暴力和傷害預防司的司長Dr. Etienne Krug曾經提到過：“由於在癌症晚期才做出診斷而導致治療為時已晚，這給許多患者造成不必要的痛苦和過早死亡。”，“通過采取措施實施世衛組織的新指南，醫療衛生計劃人員可以改善癌症的早期診斷工作，確保迅速啟動治療，特別是對於乳腺癌、子宮頸癌和結腸直腸癌。這將會拯救更多癌症患者的生命，也會降低癌症治療和治愈費用。”

從Dr. Krug的話，也可以看出早期檢測對癌症的治療和延長患者的壽命的重要性。根據世衛組織發布的《癌症早期診斷指南》，改善癌症早期診斷的三個主要步驟是：

提高公眾對癌症各種症狀的了解，鼓勵一旦發現相關症狀及時就醫；

加大在強化衛生服務、提供衛生服務裝備和培訓衛生工作者方麵的投資力度，以便能夠準確及時地做出診斷；

確保癌症患者能夠獲得安全有效的治療，包括減輕疼痛，同時不使患者在個人生活或經濟上陷入困境。

很明顯，要達成這幾個步驟對一個社會的有效診斷服務的要求非常高，因為這包括了影像技術，實驗室檢查，以及病理學服務等等，這些都是有助於及早發現癌症和設計臨床治療方案的重要手段。另外，這裏還涉及到一個社會成本的問題，畢竟需要自付費用的檢測不利於人們盡早尋求診斷。

以上所講的是社會層麵，而從個人的角度，癌症的早期診斷還可大大減少癌症病人和家庭的經濟負擔。世衛組織的研究顯示，這是因為不僅針對癌症早期階段的治療成本會明顯降低，而且如果癌症患者能夠及時獲得有效治療，他們就有機會重新回到工作崗位，並能夠繼續給他們的家庭帶來收入。有研究表明，僅是2010年，因為醫療支出和生產力損失而導致的全球癌症年度經濟代價總額為1.16萬億美元。而有效的早期診斷可幫助在癌症的早期階段及時診斷，使治療通常更有效，更簡單，費用也更低。更多的研究表明，對於很多類型的癌症，如果手術和其它治療手段在腫瘤已經轉移之前就開始實施，則效果非常顯著，而且早期診斷的癌症治療費用比晚期診斷的治療費用要低二至四倍。

根據世衛的報告，目前全球因癌症而死亡的人數已經占到總死亡人數的將近六分之一。全球每年有1400多萬新發癌症病例，而預計到了2030年，這一數字將增加到2100多萬。在全社會層麵的定期檢測還不能全麵普及的情況下，加強對癌症高危人群的檢測也就成了一個可能而有效的手段。問題是，哪些人是屬於癌症高危人群呢？有沒有什麽辦法幫助我們從正常人群中找到這些高危人群呢？這就是一個關於癌症預測的話題了。

說到預測，首先當然就要說一下預測的因素，到底有哪些因素是和癌症發病有關呢？我前麵已經講到的1類和2類致癌因子，包括吸煙，飲酒，肥胖，基因，環境汙染，醃肉，檳榔，心理壓力，抑鬱，二手煙等等，都是預測的重要因素。而除此之外，還有一些近年來新發現的癌症預測因子。

比如說，現在有一些地區已經將掃描成像和診斷試驗引入到預測和醫療實踐中，並幫助臨床醫生早期發現癌症。這裏麵包括了不同的成像模式，比如說乳房X線照相術，電子計算機斷層（CT）掃描，核磁共振成像（MRI），正電子發射斷層成像（PET）掃描。而另一類很重要的預測因子，就是鑒定血液和其它體液中的癌症特異性“生物標誌物”。

生物標誌物（Biomarker），根據有關文獻的定義，是指各種可以標記係統、器官、組織、細胞及亞細胞結構或功能的改變或可能發生的改變的生化指標。隨著基因組學和蛋白質組學等的不斷進展，生物標誌物的種類也越來越多，例如基因分型（SNP），有調節基因作用的miRNA、長非編碼RNA（lncRNA）等等，都被列入了生物標誌物的行列。這些生物標誌物可用於癌症診斷，判斷癌症分期，甚至用來評價新藥或新療法在目標人群中的安全性及有效性。此外，生物標誌物還可以用於流行病學或毒理學研究，以判斷生物是否暴露於某些危險環境因素中。

現有癌症預測中所廣泛使用的生物標誌物，包括了針對前列腺癌的前列腺特異性抗原（PSA），針對口腔癌和宮頸癌的HPV的P16測試，針對乳腺癌和卵巢癌的BRCA基因測試，以及針對卵巢癌的腫瘤抗原（Cancer antigen，CA-125），還有適用於多種癌症預測的EGFR和ALK基因測試。

根據這些生物標誌物的檢測數值，再加上被檢測者的諸多身體指標，和我們前麵講到的那些1類和2類致癌物的信息，可以顯著提高關於癌症預測的準確性。不過具體的癌症預測，因為需要處理大量高維度的生物樣本和基因信息，還需要用到一些複雜的統計模型和機器學習的方法，這個就留到後麵再詳細闡述吧。

（本文圖片來自網絡）