Accelerating discovery of cancer causes for prevention in the era of rising early-onset cancers

全球肿瘤学格局正在发生深刻变化。癌症曾被视为老年病，但现在50岁以下成年人的发病率正迅速上升。这种早发性癌症的激增，特别是在X世代和千禧一代中表现出的显著“出生队列效应”，促使科学界对癌症病因的发现和预防策略进行重新审视。在《细胞》（Cell）杂志发表的一篇里程碑式前瞻性文章中，一个国际研究团队提出了加速癌症病因发现的全面蓝图，倡导从静态的流行病学“快照”转向动态的、生命历程整合的研究框架。

早发性癌症激增的危机

来自42个国家的数据显示，75%的地区在年轻人中观察到至少六种癌症（包括结直肠癌、乳腺癌和子宫内膜癌）的发病率上升。尽管老年人群的癌症死亡率有所下降，但年轻人群的死亡率却处于平台期甚至有所上升。这一转变表明，当代人比前几代人更早地接触到更复杂、更普遍的致癌暴露。然而，目前的模型仅将30%–45%的癌症归因于已知的可改变因素，而理论上高达80%的癌症是可以预防的。这一差距凸显了现有研究在捕捉“暴露组”（从受孕到死亡的总暴露）及其在关键发育窗口期产生的生物学后果方面的不足。

超越“黑箱”：整合机制与人群科学

从历史上看，癌症病因的发现遵循两条路径：流行病学的“黑箱”法（识别关联）和机制生物学（实验室测试）。虽然这些方法成功识别了烟草和肥胖等主要风险，但在应对早发性癌症时已显疲态。作者指出，早发性癌症的兴起不太可能仅由生殖系遗传解释，因为等位基因频率的变化非常缓慢。相反，遗传易感性更可能作为现代环境损伤的调节因子发挥作用。

为了弥补这一差距，研究人员提出了三个互连的框架：

1. 以组织生态系统为锚点的框架： 该框架将癌症风险重新定义为动态组织生态系统的涌现属性。它关注“组织记忆”——即由短暂暴露（如感染、饮食）留下的持久生物学印记，这些印记通过表观遗传重编程、免疫转变和突变特征进行编码。一个典型的例子是结直肠癌中与大肠杆菌素（colibactin）相关的突变特征，该特征在早发性病例中更为普遍，提示早年接触特定产毒细菌可能是致病因素。

2. 基于生物状态的精准风险评估框架： 超越了Gail模型等静态工具，该框架利用纵向电子健康档案（EHR）和多组学数据。通过将人工智能应用于连续的临床数据（如重复的乳腺摄影或EHR中的疾病轨迹），研究人员可以实时识别进入高风险生物状态的个体，从而实现定制化的筛查和“免疫拦截”策略。

3. 癌症可预防性的动态框架： 传统的人群归因分值（PAF）通常假设各因素相互独立，且忽略了风险降低的时间过程。提议的动态框架使用微观模拟模型（如CISNET），整合特定出生队列的暴露轨迹和癌症自然史。这使得科学家能够真实地预测干预措施（如GLP-1受体激动剂的广泛使用或控烟政策）对未来癌症负担的影响。

克服资源与方法学障碍

该蓝图识别了重大障碍，特别是数据的碎片化。由于早发性癌症在绝对数量上仍相对较少，单一队列往往缺乏快速发现所需的统计效力。作者呼吁建立一个全球连接的生态系统，通过联邦学习和统一标准来整合现有的队列、EHR和生物样本库。此外，他们强调需要开发能够处理多模态、纵向数据的高级因果推断方法，以区分时间依赖性混杂因素与真正的中介效应。

未来预防的愿景

文章最后指出，早发性癌症的上升是慢性病流行病学更广泛转变的预兆，包括糖尿病和心血管疾病的发病提前。通过关注共同的系统性破坏和组织层面的“记忆”，科学界可以迈向整合的预防模式。这一蓝图不仅是加速癌症病因发现的策略，更是对持续基础设施投资和跨学科协作的号召，旨在保护未来一代免受早发性恶性肿瘤日益沉重的负担。