质谱系列：厂家与临床的共鸣

正文目录

前言

概念

临床质谱这几年很热闹。因为也算在比较早期就有所接触，想在这个领域连载一个系列。写之前并没有得出什么结论，都是边思考边捋顺了一些逻辑，没有认真推敲，欢迎大家后台一起讨论。

暂时有以下几篇在计划当中：

（一）厂家与临床的共鸣

（二）新冠给普检市场的启示

（三）偶遇早筛的风口

（四）特检不止早筛

（五）LDT模式的参考和想象

（六）标准化即门槛

先明确一下将要广泛用到的几组概念：

1. 临床质谱，代谢组学

质谱有很多种，进入或正在进入临床的有三种：1）最常见，液相质谱，aka三重四级杆质谱，aka液相色谱与三重四级杆质谱联用仪，aka LC-MS/MS，aka LC-QQQ-MS；2）离子质谱，aka电感耦合等离子体质谱，aka ICP-MS；3）微生物质谱，基质辅助激光解析电离飞行时间质谱，aka MALDI-TOF。本系列如未特殊标明，“质谱”均指第一种。

代谢组学，是类似于基因组学，蛋白组学，微生物组学的一门学科。代谢组学研究的是人体体液中各种小分子代谢物，包括氨基酸、维生素、有机酸等等。代谢组学始于质谱，生长于质谱，是质谱带来的数据化产物。

2. 靶向，非靶向

靶向和非靶向都可以是panel概念。靶向panel检测目标固定，检测需要有一一对应的标准品进行定性定量；非靶向panel对样本进行一定范围内的扫描，不需要每种物质都有标准品，有分子量和碎片信息即可，对应半定量方法。本系列讲临床应用，提到代谢组学时多指非靶向组学。

3. 普检，特检

普检，aka表内项目，aka传统临床指标，有收费编码，有明确临床指南；特检，aka表外项目，aka创新Biomarker，没有收费编码，通常由文献或临床数据支持。

1. 从特检到普检

几年前液相质谱从科研刚进入临床的时候，大家都认为质谱的优势就是大数据：非靶向代谢组学、生信分析、确定生物标记物、建模、机器学习，一套流程复制粘贴到各种疾病和人群。应用场景，糖尿病、心血管病，按病患基数随便一算就是千亿市场。收集数据也好办，科研合作，各取所需，数据有了，KOL背书有了，科研成果有了，大家都满意。那会儿像这样的产品和公司很多。NGS（基因组学）都进入临床了，质谱（代谢组学）还会远吗？

然而，众所周知，因果关系和相关性是有区别的。在没有明确致病机理的情况下，再大的大数据也只能证明相关，而非因果。

你可以因为相信所以看见，但临床一定是因为看见所以相信。

为了让临床乃至医疗市场“看见”，玩家们纷纷回到了传统赛道：做普检项目，先让仪器入院。

既然回到普检，临床对普检项目的要求是什么？

就如所有质谱IVD厂家所说，质谱是“高通量、高特异性、高灵敏度”的最佳平台。激素检测，传统化学发光只能测一个物质，质谱可以测整个通路；维生素检测，质谱是唯一能区分维生素D2和D3的金标准；药物浓度监测，质谱可以达到pg/mL级别的灵敏度。科室会，产品宣讲，找FAB就像做填空题一样，梳理一套自洽的理论其实很容易。

但当临床医生问到，为什么非得区分维生素D2和D3，甚至告诉我们一般情况下， D2 比 D3 更快在组织中清除，并且生物利用度较D3低，临床多数都会直接推荐D3补充剂时；当化学发光、POCT这些传统平台也可以利用酶标板、多通道，并联实现高通量时；我在想，不能最终指导临床的检测都会很被动，“高通量”也并不如字面这么简单，毕竟不同检测对应的前处理、色谱柱都不一样，方法切换也需要较长的TAT，如果说国外ICL系统发挥了质谱高通量的最大价值，国内仍以院内检测为主，未来，普检是不是质谱的主战场，大概率取决于国内对于ICL的政策。

2. 从普检到特检

对质谱来说，能形成更深远的默契，厂家和临床的短期目标才会更一致。在质谱的市场教育和营销中，这一点却常常被忽略。

在目前国内的检测格局下，如果质谱不是止步于整合型普检平台，那它的未来是什么？如果还是代谢组学和海量数据，那么临床需要什么样的产品？在什么情况下需要？

有三个方面的思考：

第一，从非靶向、特检项目的第一轮退出已经可以学到：无论资本构成怎样，行业政策怎样，这个市场对IVD最根本的需求就是Diagnosis，产品在这方面必须硬核，临床关心的不是-omics，不是panel，而是biomarker本身。深入至临床路径的研究，必然会让临床对特检项目更开放，更主动。

第二，关于应用场景，代谢组学作为系统生物学的下游产物，虽然量化了“表象”，但距离“疾病根源”大概率也更远了。很多人认为NGS和质谱有很大的可类比性，而我认为最终决定他们应用的，却是这个本质上的差别。

早筛这两年正值风口，有人坚信医院是主战场，也有人用新媒体直接撬动了终端市场。不管怎样，营销只是手段，需求端和资源的匹配才是带来增量的核心动机。

最后，代谢组学作为特检，我们也要承认它的特殊性，通过机器学习训练的模型其内核可能并非一个逻辑确定的系统，里面可能隐含了上千个互相牵涉的指标，也会根据训练数据的不同产生不同的效果，究竟是否存在确凿无疑、让人百分百信服的因果联系（就像体重秤上的数字一样），有些难以说清。

但相关性强到一定程度，能代替因果性吗？

今年4月9日，FDA批准了首个使用AI辅助检测结直肠癌患者的设备上市- GI Genius。据公布的临床研究数据，结肠镜加GI Genius，与单独使用结肠镜相比，能将腺瘤或癌的检出率从42%提高到55.1%。有效的临床增益，是辅助类诊断获批的核心，引用之前在一篇癌症早筛文章中看到的一句话，“如果改变思维模式是个漫长的过程，那至少我们可以看见的更准确一些。”

-to be continued-