Nature Materials：机器学习辅助的液体活检技术可通过系统性免疫和肿瘤微环境特征识别脑肿瘤

背景：颅内肿瘤的检测因缺乏准确生物标志物而受限，通常依赖侵入性活检。研究目的：纪念斯隆凯特林癌症中心的研究团队旨在开发一种基于机器学习、利用外周血进行颅内肿瘤检测和识别的液体活检方法。结论：该方法使用修饰的单壁碳纳米管传感器对患者血浆样本进行分析，结合机器学习模型，实现了高达98%的准确率。通过分析传感器表面的蛋白质冠，研究鉴定出源自肿瘤细胞、微环境和免疫系统的生物标志物，表明该技术能利用整个肿瘤生态系统的信号放大检测能力，为无创癌症诊断提供了新途径。