现如今，我国的肺癌发生率已经位居世界之首，同时肺癌也是癌症中致死率高居榜首的恶性疾病。

肺癌患者的5年生存率低于15%，当一个肿瘤病灶在计算机断层扫描、磁共振成像和正电子发射断层扫描等成像程序中被检测到时，已经有超过10亿个肿瘤细胞。因此，尽早地诊断癌症，尤其是快速进展的癌症，是非常有意义的。

临床案例分析：

55岁患者吴先生，在肺部CT体检时，显示肺部有阴影，而引起肺部阴影存在的原因有很多，需要具体排查。

针对这种情况，进一步明确是否患癌就很有必要。临床上对癌症的排查除了影像学外，还有组织活检与液体活检两种方式。组织活检通过在患者的特定部位进行穿刺获取组织样本，再进行病理分析，是癌种诊断的金标准。但它属于有创检测，手术或穿刺带给患者痛苦的同时，可能会导致肿瘤脱落而转移。所以对医生有较高的操作技巧要求，在某些部位较难进行，并且有一定的风险，适合作为癌症确诊的最终手段；液体活检则可以通过血液等样本对患者是否患癌进行高灵敏度的排查，它是无创并且操作是比较简便的。先进行液体活检，再根据液体活检的结果判断是否需要进行组织活检，可以有效的降低非必要进行组织活检的情况，使癌症的诊断判断顺序更为严谨合理。

在主治医生的建议下，吴先生先选择先用液体活检方式排查，抽取了4ml的外周血血样，进行PETCTC液体活检，检测结果显示：循环肿瘤细胞团簇4个/ml;循环肿瘤细胞6个/ml;可疑细胞数目5个/ml。

显微镜下肉眼可见的循环肿瘤细胞

根据CTC检测数据推断为恶性肿瘤，随后主治医生立即为患者做了组织穿刺，病理确诊为小细胞肺癌。

「小细胞肺癌(SCLC)是进展快、生存期短的恶性肿瘤，但由于早期病灶小，低剂量螺旋CT检查往往无法定性，检出率低会直接导致过度治疗或延误患者的最佳治疗时机……通过检测癌症患者外周血的CTC数量，高于3个即说明情况不乐观」

传统组织活检与液体活检有什么区别？

液体活检不需要手术或穿刺取材，是通过检验血液或其他体液如尿液、唾液、胸腔积液等，对癌症等疾病做出诊断。和组织活检相比，具有无创、可重复性、实时高效、动态监测等优势。

组织活检被称为病理诊断的金标准，也称临床的最后诊断。是指应诊断、治疗的需要，从患者体内切取、钳取或穿刺等取出病变组织，进行病理学检查的技术。与液体活检相比，会对被检人会造成一定程度的创伤，还可能会导致肿瘤脱落而转移。

CTC到底是什么？CTC检测数目对肿瘤患者有什么意义？

循环肿瘤细胞（CTC）是游离于患者血液中的癌细胞。从恶性肿瘤原发部位脱落，通过血管或淋巴系统进入血液循环，形成循环肿瘤细胞CTC。在转移中寻找、适应新的微环境，最终“播种”、“增殖”、“定植”，形成转移灶。因此早期发现血液中的CTC，对于患者预后判断、疗效评价和个体化治疗都有着重要的指导作用。

PETCTC是什么？有什么作用？

PETCTC是致慧医疗自主研发、全球首创的【非抗体依赖的CTC纳米磁富集】技术，堪称循环肿瘤细胞（CTC）的超灵敏捕获“利器”。

PETCTC检测技术在超3000+的临床案例中，CTC捕获能力提升10倍多，敏感性、特异性均高达91%以上，适用100多癌种的CTC指标评估，并且对白血病也可以做到高灵敏检测(仅需要1ul样本即可)。

PETCTC检测技术在保持细胞活性及完整肿瘤信息的情况下显示【肉眼可见的病理细胞形态】，解决了传统CTC检测技术低检出率、无细胞活性和假阴假阳等诸多不足。 

2021年发布的CSCO小细胞肺癌诊疗指南指出CTC能够一定程度反映实体肿瘤的情况，可以作为补充手段进行病理诊断、疾病监测、分子测序等。不仅可以动态监测，还可以用于判断预后，其应用已经从计数走向了分子分型和细胞测序时代。

参考文献：

1.  Rupp, B., Ball, H., Wuchu, F., Nagrath, D. & Nagrath, S. Circulating tumor cells in precision medicine: challenges and opportunities. Trends Pharmacol. Sci. 1–14 (2022) doi:10.1016/j.tips.2022.02.005.

2.   Schuster, E. et al. Better together: circulating tumor cell clustering in metastatic cancer. Trends in Cancer 7, 1020–1032 (2021).

3.   Szczerba, B. M. et al. Neutrophils escort circulating tumour cells to enable cell cycle progression. Nature 566, 553–557 (2019).

4.   Wang, S. et al. Label-free detection of rare circulating tumor cells by image analysis and machine learning. Sci. Rep. 10, 1–10 (2020).