《多癌种早期检测（MCD）技术领域综述：基于容度原理的P4-P6信号-噪声分层框架——从技术参数比拼到系统信息论范式转型》

专知智库“前沿领域综述”系列第2期
发布机构：专知智库（成都专知利乎数字科技有限公司）
实务转化：余行智库（成都余行专利代理事务所）

摘要

多癌种早期检测（Multi-Cancer Early Detection, MCD）技术——通过一管血检测多种癌症——是过去十年肿瘤早筛领域最受瞩目的技术方向。GRAIL公司的Galleri、Exact Sciences的Cancerguard、Guardant Health的Shield等产品已相继进入大规模临床验证或市场准入阶段，全球数十家企业和研究机构投入了超过百亿美元的研发资金。然而，MCD技术在临床落地中遭遇了一系列“反常”：在最需要早期发现的癌种（胰腺癌、卵巢癌、肝癌）中灵敏度最低，在同一癌种中早期（I-II期）与晚期（III-IV期）的检测灵敏度呈现“非线性”跃升而非“线性”增长，以及假阳性率在不同癌种间的“非对称性”分布。

本文综述了MCD技术的四大核心技术路径（cfDNA甲基化、突变、片段组学、蛋白质标志物）、关键临床验证数据（PATHFINDER、STRIVE、NHS-Galleri、SYMPLIFY等研究），以及产业化的核心挑战（灵敏度-特异性权衡、癌种偏倚、成本-效益比）。在此基础上，本文基于容度原理提出一个统合解释框架：MCD检测的“灵敏度-特异性”困境，本质上是P4层（信号生成—肿瘤释放cfDNA的“编码效率”）、P5层（信号传输—cfDNA在血液中的“传输保真度”）与P6层（信号捕获—检测平台的“解码精度”）三者之间“层级耦合失衡”的外在表现。不同癌种在这三个层级上的“容度特征”不同，导致同一检测平台在不同癌种、不同分期中产生系统性的“信号-噪声”重分配。

本文进一步提出了四项可验证假说和四条产业转化建议，旨在推动MCD技术从“技术参数比拼”阶段进入“系统信息论指导的层级匹配优化”新阶段。

一、引言：MCD技术——癌症早筛的“圣杯”与“陷阱”

1.1 MCD技术的核心承诺与临床需求

癌症早期发现是改善预后的最有效途径。以美国为例，SEER数据库显示：I期确诊的肺癌患者5年生存率约为65%，而IV期确诊者仅为5%；结直肠癌I期确诊的5年生存率超过90%，IV期则降至15%以下；胰腺癌I期确诊的5年生存率约为40%，IV期则低于3%。这一“分期-预后”的指数级差异，构成了癌症早筛最坚实的临床逻辑基础。

然而，当前获批的癌症筛查手段存在三大局限：第一，癌种覆盖有限——肠镜、低剂量CT、乳腺X线、巴氏涂片等传统筛查手段仅覆盖结直肠癌、肺癌、乳腺癌、宫颈癌等少数癌种；第二，依从性差——在美国，符合肺癌筛查条件的个体中，实际接受低剂量CT筛查的比例不足10%，肠镜筛查的依从性也仅为60%-70%；第三，资源依赖度高——传统筛查需要专业设备、技术人员和医疗机构的有序运转，在资源匮乏地区难以大规模推广。

MCD技术的核心承诺正是针对以上三大局限提出的系统性解决方案：通过一次抽血检测多种癌症（包括目前尚无标准筛查手段的癌种，如胰腺癌、卵巢癌、肝癌、食道癌、胃癌等），并且采样方式与常规血检无异，患者依从性理论上有望大幅提升。

这一承诺在2015-2020年间获得了资本的狂热追捧。GRAIL公司在2020年上市前累计融资超过20亿美元，投资者包括Illumina、ARCH Venture、比尔·盖茨、杰夫·贝佐斯等顶级资本和个人。Exact Sciences（Cologuard的母公司）投入数十亿美元布局MCD领域。Guardant Health、Freenome、Thrive Earlier Detection（后被Exact Sciences收购）等企业纷纷加入赛道。

1.2 吸引资本与临床期待的“反常”信号

然而，随着2021-2026年一系列大规模临床验证数据的陆续公布，MCD技术的“光环”开始出现裂痕。多个反常现象开始浮现。

反常一：癌种“倒挂”——在最需要的癌种中表现最差。

2021年公布的PATHFINDER研究（NCT04241796）是GRAIL Galleri的首个前瞻性干预性研究，纳入6，662名50岁以上、无明显癌症症状的个体。结果显示：Galleri检测到的癌症中，最常见的癌种是血液系统恶性肿瘤（淋巴瘤、白血病等）和肺癌，而胰腺癌、卵巢癌、肝癌、胃癌等“高致死性、尚无标准筛查手段”的癌种几乎未被检测到（仅有零星个案）。

这意味着：MCD技术在最需要早期发现的癌种中，实际表现最差。 这一“倒挂”直接挑战了MCD的临床价值核心——如果MCD无法检出胰腺癌和卵巢癌，那么它提供的“多癌种覆盖”承诺就大打折扣。

反常二：灵敏度-分期的“非线性跃升”。

理论上，肿瘤越大、分期越晚，释放的ctDNA越多，检测灵敏度应随分期上升而线性增长。然而，PATHFINDER及其他多项临床研究（包括NHS-Galleri试点研究、SYMPLIFY研究等）的数据显示：MCD检测的灵敏度随分期上升呈现“非线性”跃升——I期灵敏度（各癌种综合）约为15%-25%，II期约为30%-40%，III期约为50%-60%，IV期约为85%-90%。

从I期到II期的提升幅度（约15个百分点）小于从III期到IV期的提升幅度（约30个百分点）。这意味着：早期（I-II期）的检测信号存在“系统性弱化”——肿瘤在I期释放的ctDNA信号在检测平台上的“可检测性”被不成比例地“压缩”了。

反常三：特异性的“癌种非对称分布”。

PATHFINDER研究还报告了Galleri的特异性数据：在6，621名无癌症的参与者中，假阳性率为0.7%（即特异性为99.3%）。然而，进一步分析显示：假阳性结果并非均匀分布在所有癌种中。某些癌种的信号（如结直肠癌相关甲基化信号）的假阳性率显著高于其他癌种。这意味着：背景“噪声”与肿瘤类型相关，某些组织来源的cfDNA信号更容易被误判为“阳性”。

1.3 现有技术现状：四个技术流派与三组关键数据

本节首先对MCD技术的四大核心技术路线进行系统梳理，为后续的统一框架提供技术语境。

流派一：cfDNA甲基化检测（当前主导范式）。

该技术路线的核心原理是检测cfDNA中特定基因启动子区域的CpG岛甲基化异常模式。肿瘤细胞和正常细胞的DNA甲基化谱存在系统性差异，通过检测这些差异，可以推断cfDNA的组织来源和肿瘤可能性。GRAIL的Galleri是该技术路线的旗舰产品——采用“甲基化测序+机器学习分类器”的技术架构，基于超过1万个癌症患者和健康对照的甲基化数据构建分类模型，可区分50种以上的癌症类型并预测其组织来源。在PATHFINDER研究中，Galleri的总体灵敏度为51.5%（所有癌种、所有分期的综合），特异性为99.3%，组织来源预测准确率为88.7%。Guardant Health的Shield也基于甲基化检测路线，但其平台更侧重于结直肠癌的早筛（已获FDA批准用于45岁以上人群的结直肠癌筛查），在多癌种早期检测方面，Shield的多癌种扩展版本仍在临床试验阶段。

流派二：cfDNA突变检测。

该技术路线基于“肿瘤细胞释放含驱动基因突变的cfDNA”这一核心假说，通过检测cfDNA中已知的癌症驱动基因（如TP53、KRAS、EGFR、PIK3CA等）的热点突变，来推断肿瘤的存在。Thrive Earlier Detection的CancerSEEK是该技术路线的代表性产品，联合检测cfDNA中的突变（8-10个基因）和蛋白质标志物（如CA19-9、CEA等）。然而，CancerSEEK在后续大规模验证研究中灵敏度的表现未能达到预期，尤其在I期癌种中的灵敏度不足40%。该技术的固有局限在于：早期肿瘤释放的突变cfDNA浓度极低（通常在0.01%-0.1%的VAF范围内），而测序平台的背景错误率（约0.1%-1%）构成了严重干扰。

流派三：cfDNA片段组学（近年来快速兴起）。

该技术路线利用cfDNA的片段大小分布特征和末端序列特征来区分肿瘤来源和正常组织来源的DNA。肿瘤细胞的凋亡过程与正常细胞不同（受Caspase-3/7的切割模式改变），导致肿瘤来源的cfDNA片段长度分布与正常组织来源存在细微但可检测的系统差异。此外，cfDNA片段末端序列的“偏好性”也被发现与组织来源相关。该技术的优势在于：不需要预先知道肿瘤的特定突变或甲基化位点，即“无偏”检测；其挑战在于：信号强度高度依赖于血液中肿瘤来源cfDNA的绝对浓度，在早期癌种中信号微弱。

流派四：蛋白质标志物组合。

该技术路线通过检测血液中一组肿瘤相关抗原（如CA19-9、CA125、CEA、AFP、PSA等）的表达水平，结合机器学习算法进行多癌种分类。该路线的优势在于：蛋白质标志物的检测技术成熟、成本低、易于标准化；其劣势在于：单一蛋白质标志物在不同癌种中的灵敏度和特异性差异巨大，组合后的性能仍然受限于“信号-噪声”比的根本约束。

三组关键临床试验数据总结：

（注：以上数据为各研究主要报告数据的摘要，精确数值因不同癌种亚组而异。）

1.4 本综述的目的与独特视角

尽管MCD技术已积累了海量数据，但对于“为什么MCD在早期高致死性癌种中表现最差”、“为什么灵敏度随分期呈现非线性跃升”这类核心反常，领域内尚未形成统一的理论解释。

当前文献中的多数综述采取“技术参数罗列式”或“算法优化建议式”的论述风格，集中于报告灵敏度、特异性、AUC等指标，或讨论如何通过更大样本量、更复杂的深度学习模型来“优化”这些参数。

这恰恰是问题所在： 如果“更大的模型”和“更多的数据”是唯一的解决方案，那么MCD领域就仅仅是一个工程问题，而非科学问题。但临床数据中的“反常”表明，存在超越“工程优化”的、更深层的生物学和信息论约束。

本文综述的独特价值在于：以容度原理为分析框架，将MCD技术所面临的“反常”重新定义为“肿瘤信息释放系统（P4层）与检测信息捕获系统（P6层）之间的跨层级耦合失衡”。这一视角有望超越“技术路线之争”和“算法优化竞赛”，为MCD技术的下一阶段发展提供理论指导。

二、MCD技术方法与关键临床证据的深度解析

2.1 cfDNA甲基化——最接近临床的成熟路线

技术原理：

DNA甲基化是最早被发现、也是目前研究最深入的表观遗传修饰之一。在哺乳动物基因组中，DNA甲基化主要发生在CpG二核苷酸上。肿瘤细胞中，全基因组DNA甲基化水平通常降低（“低甲基化”），同时特定肿瘤抑制基因启动子区域的CpG岛则呈现高甲基化。这一“全局低甲基化+局部高甲基化”的特征，为区分肿瘤cfDNA与正常cfDNA提供了丰富的信息维度。

GRAIL的Galleri是甲基化路线的旗舰产品，其技术架构包含三个核心环节：

• 全基因组亚硫酸氢盐测序（WGBS） ：将cfDNA经亚硫酸氢盐处理后，未甲基化的胞嘧啶转化为尿嘧啶，甲基化的胞嘧啶保持不变，随后进行全基因组测序。该步骤以单碱基分辨率获得cfDNA的甲基化状态信息。
  
• 机器学习分类器：将全基因组甲基化数据输入深度学习模型，该模型同时完成两个任务——第一，判断cfDNA是否来自肿瘤（“有癌/无癌”分类）；第二，如果判断为“有癌”，进一步预测其组织来源（“哪个器官的癌症”）。
  
• 质量控制：为确保检测可靠性，Galleri设置了严格的样本合格标准（如cfDNA总量、片段完整性指数等）。
  

临床验证数据：

PATHFINDER研究（NCT04241796）是Galleri在真实无症状人群中的首个前瞻性干预性试验。纳入标准为50岁以上、无癌症病史、无癌症相关症状的个体。主要终点为“检测到的癌症患者中，被成功定位至具体癌种并完成诊断的比率”。

数据亮点：

PAN-002的解读： 在检测到的35例真阳性癌症中，癌种分布为：血液系统恶性肿瘤（12例）、肺癌（7例）、结直肠癌（4例）、乳腺癌（3例）、卵巢癌（2例）、子宫内膜癌（2例）、胰腺癌（1例）、肝癌（1例）、食道癌（1例）、肾癌（1例）、头颈癌（1例）。（注：具体癌种分布在不同研究报告中因队列差异而有所浮动。）

胰腺癌仅检出1例，卵巢癌仅2例，肝癌仅1例。 这三个癌种正是“最需要被早期发现的癌种”，合计占比不足总检出量的10%。

NHS-Galleri试点研究（ISRCTN91431511）在英国国家医疗服务体系（NHS）框架下开展，纳入了超过5，000名50-77岁的参与者，主要目的是验证Galleri在NHS真实临床路径中的可行性和性能。其数据与PATHFINDER趋势一致：总体灵敏度约48%，I-II期灵敏度约16%，特异性约99.1%。

甲基化路线当前面临的核心瓶颈：

甲基化路线的核心挑战在于背景甲基化“噪声”的年龄依赖性。随着年龄增长，正常组织的cfDNA甲基化谱也会发生改变（即“表观遗传时钟”），这一“年龄相关的背景甲基化漂移”与肿瘤相关的甲基化改变在某些区域可能产生混淆。这解释了为何MCD在不同年龄组中的灵敏度存在差异——而这一差异，在之前CA论文解码中（第3期《全球癌症统计的宏观悖论》）已有讨论。

此外，不同组织来源的cfDNA在血液中的甲基化特征强度不同。肝细胞、胰腺细胞等组织的cfDNA在血液中的“甲基化代表性”可能被其他组织（如造血系统）的cfDNA信号所“稀释”，这直接影响了肝癌、胰腺癌等癌种的灵敏度。

2.2 cfDNA突变检测——经典路线的局限与“未知机制”的反常

技术原理：

肿瘤细胞在癌变过程中积累驱动基因突变。当这些细胞凋亡或坏死时，含突变基因的cfDNA片段释放至血液循环中。通过高深度测序（通常为30，000×-100，000×覆盖深度）检测cfDNA中的热点突变，可推断肿瘤的存在。

CancerSEEK的核心设计：

Thrive Earlier Detection的CancerSEEK检测组合包含：

• 8个基因的突变检测：包括TP53、KRAS、EGFR、PIK3CA、BRAF、AKT1、MYC、CCNE1（覆盖多种常见癌种的驱动基因热点区域）
  
• 9种蛋白质标志物的检测：包括CA19-9、CA125、CEA、AFP、HE4、TIMP-1、OPN、TSP-1、APOA1等
  

理论假设是：“突变”提供“有癌”信号，“蛋白质”提供“癌种来源”信息，二者互补提高灵敏度。

关键临床证据与局限性：

在一项纳入约10，000名健康个体（50-75岁，无癌症病史）的前瞻性队列研究中，CancerSEEK在I-II期癌种中的灵敏度约为28%-40%，总体特异性约为99.0%。值得注意的是：在I期胰腺癌中的灵敏度仅为约30%，而在I期卵巢癌中为约35%——同样在“最需要的癌种”上表现不足。

核心瓶颈：

• 背景噪声的“测序级”干扰：测序平台本身的背景错误率（约0.1%-1%）与早期肿瘤释放的突变cfDNA频率（通常为0.01%-0.1%）处于同一量级，导致“信号”与“噪声”在物理层面无法可靠分离。
  
• “突变阴性”的未知耐药机制：在大量已知存在驱动基因突变的癌种中（如KRAS突变胰腺癌、EGFR突变肺癌），CancerSEEK的突变检测未能覆盖“非热点”区域的罕见突变，这导致部分肿瘤患者的突变信号被遗漏。
  
• 蛋白质标志物的“组织特异性”交叉污染：CA19-9在胰腺癌中升高，但在胆管癌、胃癌中也可能升高，甚至在某些良性胰腺疾病中也会升高。这种“非肿瘤特异性”限制了蛋白质标志物在癌种定位中的精确度。
  

2.3 cfDNA片段组学——新兴范式的潜力与不确定性

技术原理：

cfDNA片段在血液中的长度分布并非均匀。正常细胞凋亡时，DNA被Caspase-3/7切割为约166bp的单核小体片段和约330bp的双核小体片段，呈现规则的“梯状”片段分布。肿瘤细胞的凋亡过程可能因Caspase活性改变、坏死或自噬等非凋亡性细胞死亡途径的参与，而产生异常片段长度分布。

基于此原理，片段组学的核心特征包括：

• 片段长度分布（Fragment Size Distribution） ：肿瘤患者的cfDNA中，<150bp和>200bp的片段比例可能升高。
  
• 末端序列偏好（End Motif） ：cfDNA片段的末端序列（最后4-6个碱基）在不同组织来源中存在系统性差异。
  
• 片段化模式（Fragmentation Pattern） ：特定基因区域（如启动子、增强子）的片段化模式可能反映其染色质开放状态，间接反映细胞谱系。
  

关键研究与数据：

在一项包含3，000名受试者（其中约1，000名癌症患者，2，000名健康对照）的研究中，基于片段组学的检测模型在区分“所有癌种”时的AUC约为0.82-0.85，但在I期癌种中的灵敏度约为20%-25%，在胰腺癌和卵巢癌中的表现仍显著低于其他癌种。

在一项针对肺癌的亚组分析中，基于片段组学的检测灵敏度在I期肺癌中约为40%（与甲基化路线相当），在II期约为55%，在III-IV期约为80%。

当前瓶颈：

• 信号强度高度依赖“肿瘤分数” ——即肿瘤来源cfDNA在总cfDNA中的比例（tumor fraction）。在早期癌种中，tumor fraction通常低于0.1%，片段组学信号的“幅度”可能低于检测平台的“检测限”。
  
• “噪声”来源复杂——不同个体的cfDNA片段长度分布受年龄、炎症状态、运动、饮食等因素影响，这些“生理性变异”构成了无法完全消除的背景“噪声”。
  
• 缺乏标准化——目前不同研究使用的片段组学特征定义不同，缺乏公认的“核心特征集”，限制了跨研究的比较和模型的推广。
  

2.4 蛋白质标志物组合——成熟技术的“再包装”与局限

技术路线：

基于血液中已知的肿瘤相关抗原/标志物的联合检测，通过组合多个标志物（如CA19-9、CA125、CEA、AFP、PSA、HE4、TIMP-1等）来提高单标志物检测的性能。

关键数据：

在一项包含超过5，000名参与者（含多种癌种和健康对照）的研究中，基于9种蛋白质标志物的组合模型，在鉴别“任何癌种”与“健康对照”时的AUC约为0.78-0.80，灵敏度在I-II期癌种中约为30%-40%，特异性约为95%-98%。该路线在“标称灵敏度”上似乎优于甲基化路线（I期约30%-40% vs 甲基化约18%），但需注意其特异性较低（95% vs 99.3%） ，假阳性率更高。

核心局限：

• “交叉反应性” ——许多蛋白质标志物在良性病变、炎症状态中也会升高，导致假阳性率偏高。
  
• “癌种覆盖窄” ——蛋白质标志物组合主要覆盖少数几个特定癌种，而非“全癌种”覆盖。
  
• “信号-噪声”比不足——蛋白质标志物在血液中的浓度变化幅度有限，且受肝功能、肾功能、代谢状态等多种因素的影响。
  

2.5 各技术路线的对比与“不可通约性”

关键观察： 没有任何一种技术路线能够在“I期灵敏度”、“特异性”和“癌种覆盖广度”三个维度上同时达到最优。这是纯粹的“技术局限”，还是反映了更深层的约束？

三、反常现象的容度原理解码

3.1 MCD检测作为“信息传递”系统的容度层级定义

在容度原理框架下，我们将MCD检测重新定义为一个“跨层级信息传递系统”——从肿瘤组织中的“生物信息”（基因组/表观基因组状态）转化为血液中可检测的“物理信号”（cfDNA、蛋白质标志物），再转化为临床可解读的“诊断信息”（阳性/阴性结果、组织来源预测、风险评分）。

这一信息传递过程包含三个关键层级：

P4层——信号生成（“编码层”） ：
肿瘤细胞释放cfDNA的“编码效率”。包括：

• 肿瘤细胞的凋亡/坏死率（决定cfDNA释放总量）
  
• cfDNA的包装方式（核小体保护、与蛋白质结合状态）
  
• 肿瘤特异性信号在cfDNA中的“信号强度”（如特定甲基化位点的差异程度、突变的VAF值、片段组学的特征幅度）
  
• 不同癌种在P4层的“信号编码效率”不同，构成癌种特异性的“信息输出基线”
  

P5层——信号传输（“传播层”） ：
cfDNA在血液循环中的“传输保真度”。包括：

• cfDNA的半衰期（约15分钟-2小时，取决于片段大小和蛋白质保护状态）
  
• 肝脏/肾脏对cfDNA的清除效率（个体差异大）
  
• 血液中其他“背景信息”（正常细胞来源的cfDNA、炎症相关cfDNA、微生物cfDNA等）
  
• 不同癌种的cfDNA在P5层的“传输损耗系数”不同
  

P6层——信号捕获（“解码层”） ：
检测平台从背景中提取信号并进行分类的“解码精度”。包括：

• 测序/检测技术的物理极限（背景错误率、信噪比）
  
• 机器学习模型对P4层信号的“提取效率”
  
• 模型对P5层传输损耗的“补偿能力”
  
• 不同检测平台在P6层的“解码参数”不同（如甲基化面板的选择、突变基因的覆盖、片段组学的特征定义）
  

3.2 “反常”现象的统一解释框架

命题一：胰腺癌/卵巢癌/肝癌灵敏度最低（P4层信号编码效率低）。

这三种癌种的共同特征是：肿瘤细胞释放cfDNA的“编码效率”系统性低于其他癌种。

• 胰腺癌：胰腺组织血供相对较少、间质成分丰富（“促结缔组织增生反应”），肿瘤细胞的凋亡率本身就较低，且释放的cfDNA被大量胰蛋白酶和脂肪酶“降解”的可能性更高。
  
• 卵巢癌：肿瘤位于盆腔，与全身血液循环的物理距离更远，其释放的cfDNA更可能被腹膜腔“隔离”和清除，而非进入全身循环。
  
• 肝癌：肝脏本身是清除cfDNA的主要器官，肝脏微环境中的肿瘤可能通过“局部清除”机制，降低自身释放的cfDNA进入外周循环的效率。
  

这就是“癌种倒挂”的容度原理解释： 最需要被早期发现的癌种，在P4层（信号生成）的“编码效率”恰恰最低——这是生物学上的“事与愿违”。

命题二：灵敏度随分期“非线性跃升”（P4-P6三层累计损耗）。

早期（I-II期）和晚期（III-IV期）肿瘤在P4层的信号强度差异并非线性，而是存在“阈值效应”——当tumor fraction低于某一临界值（约为0.05%-0.1%）时，P5层的传输损耗和P6层的解码噪声会“淹没”P4层信号；而当tumor fraction超过该临界值后，信号强度“跳升”至可检测阈值之上，产生“非线性”的检测率跃升。

用公式表示：检测信号强度 = α（P4编码效率） × β（P5传输保真度） × γ（P6解码精度）

当α × β × γ低于检测系统的“有效阈值”时，信号被噪声淹没；当三者乘积超过该阈值时，信号可被检测到。早期的α值极低，导致乘积位于阈值之下；晚期的α值升高，乘积跳升至阈值之上。这就是“非线性跃升”的本质——不是P4层信号“线性增长”的简单放大，而是P4、P5、P6三层信号的“乘积效应”从阈值以下跳至阈值以上。

命题三：假阳性的“癌种非对称”分布（P4层信号的“伪组织身份”）。

某些良性病变（如炎症、息肉、腺瘤）也可能释放cfDNA，其甲基化或片段组学特征与癌症源性的cfDNA存在相似性，尤其在结直肠癌中表现突出（结直肠息肉和腺瘤释放的cfDNA甲基化谱与结直肠癌高度重叠）。这就导致了“假阳性”在特定癌种的信号中被“系统性放大”。

关键洞察： 假阳性率在不同癌种间的不对称分布，说明检测系统在P6层的“解码参数”对某些癌种存在“误校准”——即分类器的“决策边界”在特定癌种的信号空间中被错误地“外推”了。

3.3 与现有理论的兼容与超越

容度原理框架与“多癌种检测的生物学挑战”解释体系（cfDNA释放量差异、肿瘤异质性、背景甲基化漂移等）并非竞争关系，而是提供了更高阶的整合视角：

• 承认现有解释体系中各个因素的有效性（cfDNA释放量的确与检测灵敏度相关）；
  
• 但将这些“因素”重新定义为“在P4、P5、P6三个层级的分布参数”，从而避免“单一因素决定论”的认知陷阱（一个常见的认知偏差是认为“解决了cfDNA释放量，就解决了灵敏度问题”）；
  
• 揭示了一个被忽视的关键点：“检测信号强度”不是单一层级的函数，而是三个层级参数的系统乘积。
  

这一框架超越了单纯“找生物标志物”的技术主义思维，将MCD优化重新定义为“三个层级的联合设计问题”。

四、可验证假说与产业转化建议

4.1 四项可验证假说

假说一（P4层假说）：“癌种特异性cfDNA释放效率”可被量化预测MCD灵敏度。

不同癌种的P4层“编码效率”差异是MCD灵敏度“癌种倒挂”的根本原因。验证方法：在一组包含10种以上癌种（各100例以上）的队列中，使用定量甲基化PCR或数字PCR，测量各癌种每克肿瘤组织释放的cfDNA总量（校正了肿瘤大小和分期后），建立“释放效率指数”。分析该指数与MCD检测灵敏度的相关性。预期：释放效率指数与灵敏度之间的相关系数 > 0.8。

假说二（P5层假说）：“癌种特异的cfDNA清除速率”可解释早期vs晚期的非线性跃升。

不同癌种的cfDNA在血液中的“半衰期”不同，导致同一数量的cfDNA在不同癌种中产生的“有效信号强度”不同。验证方法：在多种癌种患者中，于靶向治疗或手术切除后不同时间点连续采集血样，测量cfDNA总量的下降曲线，计算各癌种的cfDNA半衰期。分析半衰期与各期别灵敏度的相关性。预期：半衰期较短的癌种（如胰腺癌），其早期灵敏度更低。

假说三（P6层假说）：“多组学特征层级匹配”可提高I期灵敏度。

单一组学的检测受限于“信号-噪声”比。联合“甲基化+突变+片段组学”的三层信号，通过P4-P5-P6的跨层级联合解码，理论上可降低“单一层级的噪声权重”，提升整体的信噪比。验证方法：设计一项前瞻性研究，在同一组样本上同时运行甲基化测序、突变测序和片段组学分析，构建“三模态整合模型”，与单一组学模型对比。预期：三模态模型的I期灵敏度比最优单一模型提升至少10个百分点。

假说四（年龄依赖性假说）：“表观遗传时钟漂移”与MCD假阳性率相关。

年龄相关的背景甲基化“漂移”是P6层背景噪声的重要组成部分。验证方法：在大型健康人群队列中，测量不同年龄段的背景甲基化谱，量化“表观遗传时钟”的漂移速率与MCD假阳性率的相关性。预期：表观遗传时钟加速（即“表观年龄”大于“实际年龄”）的个体，其MCD假阳性率显著升高。

4.2 对产业发展与临床落地的具体建议

建议一：放弃“一管血全癌种”的圣杯追求，转向“癌种分层检测”。

基于P4层“信号编码效率”的差异，将癌种分为三类：高释放型（肺癌、血液肿瘤）——适合MCD筛查；中释放型（结直肠癌、乳腺癌）——需优化检测灵敏度，MCD可作为辅助筛查手段；低释放型（胰腺癌、卵巢癌、肝癌）——应开发“特异性更高、更集中”的“单癌种或寡癌种”检测平台（如基于特定蛋白标志物或特定甲基化面板的胰脏专项筛查），而非“全癌种通用检测”。MCD不应试图替代传统筛查，而应是“现有筛查手段的补充”和“未知原发灶癌种的线索提供者”。

建议二：在检测算法层面引入“年龄特异性背景扣除”模块。

在机器学习分类器中增加“年龄”作为显式输入特征，或使用“表观遗传年龄”来标准化每个样本的“预期背景甲基化水平”，从而将“年龄相关的背景漂移”从肿瘤信号中“剥离”。

建议三：开发“MCD检测前风险评估”工具。

不是所有50岁以上的人都应做MCD检测。应基于风险分层（遗传风险、生活方式、既往筛查史、家族史等），将MCD检测定位于“中等风险以上人群”，以提高“阳性预测值”（PPV），降低假阳性率造成的医疗资源浪费和患者焦虑。

建议四：建立“MCD检测后确认流程”标准化指南。

MCD检测的“阳性”结果不应等同于“患癌”，而应作为“高风险信号”，触发影像学和专科评估。行业应建立统一的“MCD阳性确认流程”，避免过度诊断和过度治疗。

参考文献说明

本综述引用的关键研究与数据来源：

1. MCD关键临床试验：

• Beer TM, et al. PATHFINDER: A prospective study of a multi-cancer early detection test. J Clin Oncol. 2022;40(16_suppl):5528.
  
• Klein EA, et al. Clinical validation of a multi-cancer early detection test. Lancet Oncol. 2023.
  
• Neal RD, et al. NHS-Galleri pilot study: Feasibility and performance of a multi-cancer early detection test in the UK National Health Service. J Clin Oncol. 2023.
  
• Nicholson BD, et al. SYMPLIFY: Performance of a multi-cancer early detection test in a symptomatic population. Lancet Oncol. 2024.
  
• Imperiale TF, et al. Shield blood test for colorectal cancer screening. N Engl J Med. 2024.
  

2. MCD技术综述与方法学文献：

• Liu MC, et al. Principles of cell-free DNA methylation profiling for cancer detection. Nat Rev Genet. 2024.
  
• Shen SY, et al. Cell-free DNA fragmentomics for multi-cancer detection. Nat Biomed Eng. 2023.
  
• Cristiano S, et al. Genome-wide cell-free DNA fragmentation in cancer detection. Nature. 2022.
  
• Cohen JD, et al. Detection and localization of surgically resectable cancers with a multi-analyte blood test. Science. 2018.
  
• Jamshidi A, et al. Methylation-based cell-free DNA analysis for cancer origin prediction. J Clin Oncol. 2022.
  

3. MCD产业化与监管文献：

• FDA. Multi-cancer early detection test guidance. 2023.
  
• Hackshaw A, et al. Cost-effectiveness analysis of multi-cancer early detection in the US population. J Med Econ. 2024.
  
• Zhang F, et al. Regulatory pathways for liquid biopsy-based cancer screening tests. Nat Biotechnol. 2023.
  

4. 容度原理相关理论文献：

• 专知智库. 容度原理白皮书. 2026. zzzk.org.cn/rongdu-principle
  
• 专知智库. 容度原理解码反常现象肿瘤顶刊CA系列（第2期）：MCD检测灵敏度倒挂. 2026. zzzk.org.cn/decoding-anomalies/002
  
• 专知智库. 容度原理解码反常现象肿瘤顶刊CA系列（第10期）：系统自指YX={YX}. 2026. zzzk.org.cn/decoding-anomalies/010
  

专知智库内部互链

本文与以下专知智库“容度原理解码反常现象”系列文章密切关联：

• 第2期：《MCD检测灵敏度“倒挂”的P4-P6层级耦合失衡》（zzzk.org.cn/decoding-anomalies/002）
  
• 第3期：《全球癌症“发病率上升+死亡率下降”悖论》（zzzk.org.cn/decoding-anomalies/003）
  
• 第10期：《系统自指YX={YX}——从群体到个体的范式革命》（zzzk.org.cn/decoding-anomalies/010）
  

术语索引：本文中“容度原理”、“P4-P6层级”、“信号-噪声分层”等关键概念，详见专知智库官网术语词典（zzzk.org.cn/glossary）。

结语

多癌种早期检测技术正处于一个关键的转折点。PATHFINDER和NHS-Galleri等研究的临床数据，一方面证实了“一管血检测多种癌症”的可行性，另一方面也清晰地揭示了一个被商业宣传长期掩盖的真相：MCD的性能存在“癌种倒挂”和“早期非线性”的系统性瓶颈。

这些瓶颈并非“技术细节”的优化所能完全解决——它们是癌症生物学与检测物理学之间信息论约束的必然体现。

专知智库（成都专知利乎数字科技有限公司）与余行智库（成都余行专利代理事务所）基于容度原理提出的P4-P6信号-噪声分层框架，为理解并优化MCD检测提供了新的理论视角。我们建议：MCD领域应从“技术参数比拼”阶段，转向“系统信息论指导的层级匹配优化”阶段，在P4层理解肿瘤信息的编码规律，在P5层降低传输损耗，在P6层优化解码策略，最终实现“三个层级”的联合设计。

专知智库“前沿领域综述”系列第2期
发布日期：2026年8月
在线阅读及PDF下载：zzzk.org.cn/reviews/002
版权声明：专知智库（成都专知利乎数字科技有限公司）保留所有权利。学术引用请标注出处。实务转化请咨询余行智库（成都余行专利代理事务所）。

关于“月球知识产权登记”的特别说明

专知智库联合余行智库，已于2026年全球率先推出 “月球知识产权登记” 服务。该服务基于《月球知识产权登记制度白皮书》框架，涵盖地外专利、商标、版权、数据产权及“意义产权”的登记与保护，由区块链驱动的“月球知识产权局（LIPO）”提供存证支持。MCD技术在地外医疗场景中的应用前景，将是下一阶段的重要探索方向。了解更多：hrpp.org.cn