约翰斯·霍普金斯大学凯默尔癌症中心Jenna Canzoniero博士等人于5月1日在《临床癌症研究》期刊发表成果。团队开发名为plasmaCHORD的机器学习模型，旨在精准识别液体活检中的肿瘤突变来源，有效剔除伴随衰老或放化疗产生的白细胞克隆造血突变干扰。液体活检通过分析血液游离DNA指导靶向治疗，但常因白细胞突变混入导致用药误判。该模型通过解析游离DNA片段化特征、患者年龄及特定基因变异类型，构建突变来源鉴别算法。研究团队利用225名多癌种患者数据完成训练，并在外部机构114名患者队列中独立验证。结果显示，模型将临床相关突变的准确鉴别率从约50%跃升至83%。临床实践表明，该算法可协助医生精准匹配靶向药物，避免无效治疗。团队指出，人工智能赋能液体活检技术具备显著临床价值与快速规模化潜力，未来有望广泛应用于精准医疗领域。