▲蛋白質體學將腫瘤與身體的微觀對話，解碼為精準的「血液分子指紋」。極早期癌變發生時，腫瘤細胞會主動釋放訊號蛋白（Tumor Secretome），刺激周圍的 T 細胞與巨噬細胞產生免疫反應。蛋白質體學正是將血液中的蛋白質訊號數位化（Digital Plasma Profiling），再透過 AI 進行多指標模式識別，在影像學照出腫瘤前，繪製出獨一無二的「分子條碼矩陣（Molecular Barcode Matrix）」。圖源：Gemini

閱讀時間：約13分鐘
撰文：陳聖光 | 技術審訂：黃彥鈞

先看結論

過去提到癌症篩檢或透過抽血來尋找體內癌變訊號的「液態活檢」技術，許多人第一個想到的是基因檢測。然而，近年來國際生醫界與醫學專家們，紛紛將目光轉向了另一個全新戰場——針對血液中蛋白質進行無偏差全景分析（Unbiased Profiling）與大規模測量的蛋白質體學。

• 技術轉向原理：相比基因檢測尋找死細胞殘骸，蛋白質體學能捕捉活細胞持續釋放的化學訊號，並透過生物學連鎖效應將癌變訊號放大上萬倍。

• 主流技術比較：次世代質譜具備無偏向性可發現新標的；核酸適體陣列吞吐量最高；鄰位延伸分析則具備極高的專一性。

• AI 神助攻：AI 擅長從海量蛋白質數據中剔除日常發炎雜訊，辨識微小的整體分子指紋，並建立醫學可解釋性。

• 落地最後關卡：要真正普及至日常健檢，仍需突破精準器官定位、大規模前瞻性臨床驗證，以及健保給付經濟效益評估等三道門檻。

  Table of Contents

  Toggle

四個優勢指向癌篩戰場為什麼轉向蛋白質體學

要發現極早期的微小腫瘤，基於蛋白質體學的檢測具備了傳統基因檢測難以比擬的四大優勢：

1. 抓取活細胞的動態信號

零期或一期的腫瘤非常微小，壞死並釋放到血液中的循環腫瘤基因碎片數量極為稀少，容易因為抽血量少而漏診。但癌細胞即使不死亡，也會為了生存而源源不絕地向外分泌蛋白質。蛋白質體學檢測的是活細胞持續發出的動態訊號，而不是死細胞留下的殘骸。

2. 天然的化學訊號放大效應

在細胞運作中，一個突變基因通常只會產生一份指令，但在轉譯成蛋白質的過程中，細胞內的酵素會像工廠一樣進行化學催化，生產出數以萬計的蛋白質。這種生物學上的連鎖反應，會把原本在血液中極為微弱的早期癌變信號放大上萬倍，讓檢測儀器更容易精準捕捉。

3. 看見腫瘤與身體的即時對話

癌症的發生並非孤立事件，它會引發全身免疫系統的連鎖反應。腫瘤細胞會分泌特定蛋白訊號來刺激周圍的健康細胞，而蛋白質體學抓取的，正是腫瘤與身體免疫系統互動後所產生的整體血液分子指紋。

4. 捕捉特殊的轉譯後修飾加工

蛋白質合成之後，癌細胞常會在上面進行特殊的二次加工，例如在蛋白質表面特殊的醣基（Glycans）。這種帶有癌變特徵的化學修飾痕跡（轉譯後修飾）進入血液後，成為最具特異性的早期標記，這是傳統基因定序無法看到的關鍵線索。

市場主流三大蛋白質體學分析技術比較

要在蛋白質極為豐富的血液中找到微量的癌症信號，目前市場上形成了三大主流技術流派：

AI 時代如何加速蛋白質體學癌篩落地？

抽血測量上萬種蛋白質會產生海量數據，這遠超人類的解析極限。人工智慧在此扮演了關鍵的運算大腦：

• 過濾雜訊，精煉黃金特徵：

AI 演算法可以在數秒內剔除飲食、睡眠或日常發炎帶來的干擾，從萬種蛋白中精煉出數十個最具代表性的癌症黃金組合。

• 辨識微小的群體分子指紋：

早期癌症往往不是單一指標飆高，而是數十種蛋白同時發生微幅波動。AI 擅長進行多變量模式識別，能在影像學照出腫瘤前拉響警報。

• 可被驗證的模型建立醫學信任：

透過能夠說明推理過程的可解釋性 AI 模型，將抽象數據連結到真實的細胞發炎或腫瘤生長路徑，讓臨床醫師能真正信任並理解判讀結果。

從轉譯醫學到日常生活，多癌篩檢（MCED）還差哪幾步？

要讓蛋白質體學推動的多癌早期檢測真正進入大眾生活，目前仍需跨越以下三道門檻：

1. 精準定位器官：

檢測不僅要告訴患者體內有異常，更必須指明癌症發生在哪個器官。許多發炎蛋白在不同癌症間高度重疊，如何找出具備器官獨特性的標記是目前 AI 訓練的核心。

2. 大規模前瞻性臨床驗證：

為了避免偽陽性造成無謂的恐慌與過度檢查，技術必須追蹤數年的前瞻性臨床試驗，確保其能實質降低死亡率。

3. 成本核銷：

一項檢測要普及，必須證明其經濟效益，證明提前篩檢出早期癌症所節省的醫療支出大於檢測費用，才能爭取納入健康保險的報銷範疇，真正進入大眾生活。

透過蛋白質體學與 AI 的結合，未來的癌症篩檢將不再是漫長等待，或等到出現實體病變才進入治療。而是能在微觀的分子世界裡，實現及早發現、及早攔截的精準健康管理。