尽管分子靶向治疗和免疫治疗得到了发展，但肺癌是全世界死亡率最高的最常见癌症之一。由于缺乏敏感和特异的生物标志物，管理肺癌的一个重大挑战是准确诊断癌症病灶。目前的程序需要进行有创的组织活检来进行诊断和分子分型，这给患者带来了风险、发病率、焦虑和高假阳性率。这种高风险的诊断方法凸显了寻找一种可靠的、低风险的非侵入性诊断方法的必要性，以精确捕捉肺癌的异质性。

肺癌的免疫相互作用特征是由免疫细胞与肿瘤微环境的独特、精确的相互作用驱动的。鉴于此，加拿大多伦多都会大学Bo Tan、Sunit Das等开发了一种超灵敏的T-sense纳米传感器，利用多光子电离的物理合成过程探测这些特定的诊断特征。

本文要点：

（1）通过采用用原发性（H69AR）和转移性肺癌（H1915）的临床前模型（CAT、CSCAT）的共培养T细胞获得的SERS数据训练的机器学习模型来证明这一点。用PDT询问这些不同的特征，捕捉到了整个患者群体中肿瘤相关T细胞特征的复杂性和多样性，暴露了在独立的患者样本群中进行免疫诊断的临床可行性。

（2）使用病人外周血T细胞的预测方法显示了高度准确的诊断，对原发性肺癌的特异性和敏感性分别为94.1%和100%，对转移性肺癌的特异性和敏感性分别为97.9%和94.4%。结果证明，本研究开发的免疫诊断特征可以作为一种临床技术用于癌症诊断，并确定用T细胞进行临床管理的过程。

Mapping Immune–Tumor Bidirectional Dialogue Using Ultrasensitive Nanosensors for Accurate Diagnosis of Lung Cancer

Swarna Ganesh, Priya Dharmalingam, Sunit Das, Krishnan Venkatakrishnan, and Bo Tan

ACS Nano Article ASAP

DOI: 10.1021/acsnano.2c09323

https://doi.org/10.1021/acsnano.2c09323