提高控烟成效，提高癌症生存率
意见指出，到2022年，健康促进政策体系基本建立，全民健康素养水平稳步提高，健康生活方式加快推广，重大慢性病发病率上升趋势得到遏制，重点传染病、严重精神障碍、地方病、职业病得到有效防控，致残和死亡风险逐步降低，重点人群健康状况显著改善。
意见提出了全方位干预健康影响因素、维护全生命周期健康、防控重大疾病等主要任务。其中，在全方位干预健康影响因素方面，实施控烟行动是重要内容之一。意见指出，推动个人和家庭充分了解吸烟和二手烟暴露的严重危害。鼓励领导干部、医务人员和教师发挥控烟引领作用。把各级党政机关建设成无烟机关。
意见要求，研究利用税收、价格调节等综合手段，提高控烟成效。完善卷烟包装烟草危害警示内容和形式。到2022年和2030年，全面无烟法规保护的人口比例分别达到30%及以上和80%及以上。
此外，在防控重大疾病中包含了实施癌症防治行动。意见强调，倡导积极预防癌症，推进早筛查、早诊断、早治疗，降低癌症发病率和死亡率，提高患者生存质量。有序扩大癌症筛查范围。推广应用常见癌症诊疗规范。提升中西部地区及基层癌症诊疗能力。加强癌症防治科技攻关。加快临床急需药物审评审批。
研究发现抗癌新靶点LPCAT1
近期，《细胞》子刊Cell Metabolism上刊登的一项新研究，找到了一个在多种癌症中普遍存在的新靶点。研究人员发现，有一种酶是癌细胞基因异常和代谢异常的“结合点”，对肿瘤的生长起到重要作用。在多种癌症小鼠中，减少这种酶，可以遏制肿瘤生长，提高存活率。
这项研究由加州大学圣地亚哥分校Ludwig癌症研究所的Paul Mischel教授主导，与Scripps研究所Benjamin Cravatt教授的团队合作开展。Mischel教授长期关注多发性胶质母细胞瘤（GBM）。这是大脑中最常见的恶性肿瘤，也是侵略性最强的脑瘤，通常会在患者确诊后15个月内夺去他们的生命。在这种难治癌症中，编码表皮生长因子受体（EGFR）的基因常会发生功能突变或过度表达，把EGFR变成一种“致癌受体”，发送信号驱动细胞无限制增殖，促进肿瘤形成。
在EGFR基因异常的GBM细胞中，研究者注意到，构成细胞质膜的磷脂成分发生了变化。这种变化让致癌受体可以更稳定地待在质膜上，传递和放大生长信号。而在磷脂成分的变化过程中，研究人员发现，一种叫作LPCAT1（溶血磷脂酰胆碱酰基转移酶）的蛋白酶非常关键，起着重塑质膜结构的作用。
【图示：LPCAT1将溶血磷脂酰胆碱（LPC）转变为饱和磷脂酰胆碱（PC）】
进一步检测LPCAT1的蛋白水平和mRNA水平，这种酶确实在GBM患者的癌细胞中有着异常的高表达。而在体外培养环境下，当研究人员通过shRNA抑制这种酶的表达，定位在细胞质膜上的致癌受体随之减少，生长因子信号传导被阻断，GBM癌细胞系的生长得到抑制。这些结果都提示，LPCAT1对于癌细胞来说是一种重要的酶。
那么抑制LPCAT1，是不是可以有助于遏制EGFR依赖的恶性肿瘤生长？研究人员首先在GBM小鼠模型中检验了这种治疗思路。当注射到体内的癌细胞在小鼠身上形成一定大小的肿瘤后，通过RNA干扰下调LPCAT1的表达，果然看到肿瘤的生长显著减缓，小鼠的总生存期则明显提高。
【图示：在GBM小鼠模型中，下调LPCAT1后，肿瘤生长受到抑制】
鉴于异常的生长因子受体信号通路还不止是发生在GBM一种恶性肿瘤中，LPCAT1酶很有可能在多种癌症类型中发挥重要作用。研究人员分析临床样本和癌细胞系的测序数据库发现，在肺癌、卵巢癌、膀胱癌和侵袭性乳腺癌等多种恶性肿瘤中，超过30%的患者有LPCAT1基因拷贝数增加的现象。不仅如此，在包括肾癌、肝癌、宫颈癌和黑色素瘤等多种肿瘤中，LPCAT1表达升高还和患者总生存率降低有对应关系。
【图示：在包含1万多例患者的数据库，30多种癌症类型的样本中发现了LPCAT1与生长因子通路基因的基因组变化】
通过下调LPCAT1的表达来治疗与LPCAT1拷贝数增加有关的癌症，这一思路也在小鼠的侵袭性肺癌和肾癌的模型中得到了检验。利用shRNA在小鼠体内减少LPCAT1酶后，肿瘤细胞出现明显的死亡迹象，肿瘤生长得到了抑制。
“研究结果表明，LPCAT1是一种重要的酶，在癌症中失调，它将肿瘤中的常见基因变化和代谢变化串联了起来，进而推动肿瘤的侵袭性生长。”研究作者在论文中总结。“迄今为止，还有很多患者未能从癌症的精准治疗中获益，这驱使我们更加深入地研究基因变化如何改变癌细胞的行为方式，从而解锁更有效的治疗方法。”Mischel教授说。我们期待动物实验的结果后续能在人类患者中能到验证，通过这一富有潜力的新靶点为更多患者带来新的疗法。
新AI系统提高癌症诊断效率
7月15日，《自然·医学》杂志报道了一种能够区分癌症与健康组织的人工智能系统，该系统可以帮助病理科医生排除75%的无关组织样本，并保持100%的敏感性。研究人员认为，这项研究有助于简化病理科医生的工作流程，使他们集中精力检查含有肿瘤的组织切片。
由于缺乏具有临床诊断准确度的模型和处理大量癌症病例的能力，病理学决策支持系统的发展一直受到阻碍。为此，美国纪念斯隆-凯特琳癌症中心和美国威尔·康奈尔医学院的研究人员建立了一个大型真实数据集，其中包括来自15000多名前列腺癌、皮肤癌和乳腺癌患者的44000多张组织切片。
利用这些数据，研究人员建立了一个基于多实例的深度学习模型，该系统能够在没有病理科医生手工注释的情况下识别肿瘤细胞。结果显示，该系统在诊断上述肿瘤时的表现与临床诊断相当。即使遇到不规则的样本，例如样本中含有气泡和褶皱时，诊断表现依然良好。研究人员在论文中表示，该系统的临床应用将帮助病理科医生排除65%-75%的组织切片，同时保持100%的灵敏度。
决策支持系统对临床实践的影响：根据肿瘤概率对患者的组织切片进行排序，从而使病理科医生将注意力集中在可能出现癌症的组织切片上。据算法预测，病理科医生可以忽略掉超过75%的组织切片。
研究人员在《自然·医学》杂志中表示，他们的结果表明，这一系统能够以前所未有的规模训练准确的分类模型，为临床决策中计算决策支持系统的部署奠定基础。上述论文题为《基于完整切片图像弱监督深度学习的临床级计算病理学》，于7月15日发表在《自然·医学》杂志。
特别声明：本文来源为每日经济新闻、凤凰网、澎湃新闻等媒体；本文图片来自网络，如有侵权请联系删除。
