提高控煙成效，提高癌癥生存率
意見指出，到2022年，健康促進政策體系基本建立，全民健康素養水平穩步提高，健康生活方式加快推廣，重大慢性病發病率上升趨勢得到遏制，重點傳染病、嚴重精神障礙、地方病、職業病得到有效防控，致殘和死亡風險逐步降低，重點人群健康狀況顯著改善。
意見提出了全方位干預健康影響因素、維護全生命周期健康、防控重大疾病等主要任務。其中，在全方位干預健康影響因素方面，實施控煙行動是重要內容之一。意見指出，推動個人和家庭充分了解吸煙和二手煙暴露的嚴重危害。鼓勵領導干部、醫務人員和教師發揮控煙引領作用。把各級黨政機關建設成無煙機關。
意見要求，研究利用稅收、價格調節等綜合手段，提高控煙成效。完善卷煙包裝煙草危害警示內容和形式。到2022年和2030年，全面無煙法規保護的人口比例分別達到30%及以上和80%及以上。
此外，在防控重大疾病中包含了實施癌癥防治行動。意見強調，倡導積極預防癌癥，推進早篩查、早診斷、早治療，降低癌癥發病率和死亡率，提高患者生存質量。有序擴大癌癥篩查范圍。推廣應用常見癌癥診療規范。提升中西部地區及基層癌癥診療能力。加強癌癥防治科技攻關。加快臨床急需藥物審評審批。
研究發現抗癌新靶點LPCAT1
近期，《細胞》子刊Cell Metabolism上刊登的一項新研究，找到了一個在多種癌癥中普遍存在的新靶點。研究人員發現，有一種酶是癌細胞基因異常和代謝異常的“結合點”，對腫瘤的生長起到重要作用。在多種癌癥小鼠中，減少這種酶，可以遏制腫瘤生長，提高存活率。
這項研究由加州大學圣地亞哥分校Ludwig癌癥研究所的Paul Mischel教授主導，與Scripps研究所Benjamin Cravatt教授的團隊合作開展。Mischel教授長期關注多發性膠質母細胞瘤（GBM）。這是大腦中最常見的惡性腫瘤，也是侵略性最強的腦瘤，通常會在患者確診后15個月內奪去他們的生命。在這種難治癌癥中，編碼表皮生長因子受體（EGFR）的基因常會發生功能突變或過度表達，把EGFR變成一種“致癌受體”，發送信號驅動細胞無限制增殖，促進腫瘤形成。
在EGFR基因異常的GBM細胞中，研究者注意到，構成細胞質膜的磷脂成分發生了變化。這種變化讓致癌受體可以更穩定地待在質膜上，傳遞和放大生長信號。而在磷脂成分的變化過程中，研究人員發現，一種叫作LPCAT1（溶血磷脂酰膽堿酰基轉移酶）的蛋白酶非常關鍵，起著重塑質膜結構的作用。
【圖示：LPCAT1將溶血磷脂酰膽堿（LPC）轉變為飽和磷脂酰膽堿（PC）】
進一步檢測LPCAT1的蛋白水平和mRNA水平，這種酶確實在GBM患者的癌細胞中有著異常的高表達。而在體外培養環境下，當研究人員通過shRNA抑制這種酶的表達，定位在細胞質膜上的致癌受體隨之減少，生長因子信號傳導被阻斷，GBM癌細胞系的生長得到抑制。這些結果都提示，LPCAT1對于癌細胞來說是一種重要的酶。
那么抑制LPCAT1，是不是可以有助于遏制EGFR依賴的惡性腫瘤生長？研究人員首先在GBM小鼠模型中檢驗了這種治療思路。當注射到體內的癌細胞在小鼠身上形成一定大小的腫瘤后，通過RNA干擾下調LPCAT1的表達，果然看到腫瘤的生長顯著減緩，小鼠的總生存期則明顯提高。
【圖示：在GBM小鼠模型中，下調LPCAT1后，腫瘤生長受到抑制】
鑒于異常的生長因子受體信號通路還不止是發生在GBM一種惡性腫瘤中，LPCAT1酶很有可能在多種癌癥類型中發揮重要作用。研究人員分析臨床樣本和癌細胞系的測序數據庫發現，在肺癌、卵巢癌、膀胱癌和侵襲性乳腺癌等多種惡性腫瘤中，超過30%的患者有LPCAT1基因拷貝數增加的現象。不僅如此，在包括腎癌、肝癌、宮頸癌和黑色素瘤等多種腫瘤中，LPCAT1表達升高還和患者總生存率降低有對應關系。
【圖示：在包含1萬多例患者的數據庫，30多種癌癥類型的樣本中發現了LPCAT1與生長因子通路基因的基因組變化】
通過下調LPCAT1的表達來治療與LPCAT1拷貝數增加有關的癌癥，這一思路也在小鼠的侵襲性肺癌和腎癌的模型中得到了檢驗。利用shRNA在小鼠體內減少LPCAT1酶后，腫瘤細胞出現明顯的死亡跡象，腫瘤生長得到了抑制。
“研究結果表明，LPCAT1是一種重要的酶，在癌癥中失調，它將腫瘤中的常見基因變化和代謝變化串聯了起來，進而推動腫瘤的侵襲性生長。”研究作者在論文中總結。“迄今為止，還有很多患者未能從癌癥的精準治療中獲益，這驅使我們更加深入地研究基因變化如何改變癌細胞的行為方式，從而解鎖更有效的治療方法。”Mischel教授說。我們期待動物實驗的結果后續能在人類患者中能到驗證，通過這一富有潛力的新靶點為更多患者帶來新的療法。
新AI系統提高癌癥診斷效率
7月15日，《自然·醫學》雜志報道了一種能夠區分癌癥與健康組織的人工智能系統，該系統可以幫助病理科醫生排除75%的無關組織樣本，并保持100%的敏感性。研究人員認為，這項研究有助于簡化病理科醫生的工作流程，使他們集中精力檢查含有腫瘤的組織切片。
由于缺乏具有臨床診斷準確度的模型和處理大量癌癥病例的能力，病理學決策支持系統的發展一直受到阻礙。為此，美國紀念斯隆-凱特琳癌癥中心和美國威爾·康奈爾醫學院的研究人員建立了一個大型真實數據集，其中包括來自15000多名前列腺癌、皮膚癌和乳腺癌患者的44000多張組織切片。
利用這些數據，研究人員建立了一個基于多實例的深度學習模型，該系統能夠在沒有病理科醫生手工注釋的情況下識別腫瘤細胞。結果顯示，該系統在診斷上述腫瘤時的表現與臨床診斷相當。即使遇到不規則的樣本，例如樣本中含有氣泡和褶皺時，診斷表現依然良好。研究人員在論文中表示，該系統的臨床應用將幫助病理科醫生排除65%-75%的組織切片，同時保持100%的靈敏度。
決策支持系統對臨床實踐的影響：根據腫瘤概率對患者的組織切片進行排序，從而使病理科醫生將注意力集中在可能出現癌癥的組織切片上。據算法預測，病理科醫生可以忽略掉超過75%的組織切片。
研究人員在《自然·醫學》雜志中表示，他們的結果表明，這一系統能夠以前所未有的規模訓練準確的分類模型，為臨床決策中計算決策支持系統的部署奠定基礎。上述論文題為《基于完整切片圖像弱監督深度學習的臨床級計算病理學》，于7月15日發表在《自然·醫學》雜志。
特別聲明：本文來源為每日經濟新聞、鳳凰網、澎湃新聞等媒體；本文圖片來自網絡，如有侵權請聯系刪除。
