菌群指纹加FIT，癌前病变看得更准

一项挪威1034人的筛查研究显示：在便潜血（FIT）阳性者的剩余粪便里做菌群测序，把菌群特征和FIT数值结合起来，比单独用FIT更能识别癌前病变，尤其对远端病灶更敏感。具核梭杆菌等菌种在肠癌中富集，是菌群能”报警”的机制线索。

FIT阳性别拖，肠镜确认才安心

如果你收到便潜血（FIT）阳性通知，别慌也别拖——尽快按医嘱做肠镜确认，这是目前最可靠的流程。菌群检测还在研究阶段，别拿它替代正规筛查；如果你怕做肠镜，至少先做FIT，阳性了再上肠镜，一步步来。

怕做肠镜的人，又多了个帮手

一说肠镜，很多人第一反应是”尴尬”和”怕”。可结直肠癌早发现，5年生存率能到90%以上，拖到晚期就掉到15%左右。现在，筛查工具箱里又添了一个新成员：不用多遭罪，用你留过的粪便样本，测一测菌群指纹，帮FIT把癌前病变看得更清楚。

你躲的不是尴尬，是筛查机会

你多久没做过肠癌筛查了？是不是总觉得”没症状、没必要”？很多人对FIT便检不陌生——自己在家取样寄回，阳性才需要进一步检查。但FIT也有短板：它对癌前病变的识别不够灵。研究者这次的想法是：反正粪便样本都留了，顺便看看里面的菌群，能不能补上FIT的短板。

1034个样本，菌群在说话

1034个FIT阳性样本：研究来自挪威人群筛查项目，1034名便潜血（FIT，粪便免疫化学检测）阳性者用采样管剩余缓冲液做鸟枪法宏基因组测序，共识别出2756个菌种，平均每人239个。这些人里56.5%有肿瘤性发现：66例结直肠癌、298例进展期腺瘤、78例进展期锯齿状病变。

菌群+FIT，癌前病变看得更清：把菌群特征叠加到FIT上，识别任何肿瘤的曲线下面积（AUC）从FIT单独的0.60提升到0.64（叠加年龄、性别等后）；在”捕获90%的癌”的阈值下，联合模型的灵敏度0.82、特异度0.38，均优于单独FIT。更关键的是，微生物信号对癌前病变的灵敏度高于FIT——这正是FIT最弱的一环。

为什么菌群能”报警”：肠癌组织里常见具核梭杆菌（Fusobacterium nucleatum）富集。机制研究显示，它能激活肿瘤微环境里的NLRP3（一种炎症小体核心蛋白）炎症小体通路：肠癌组织中NLRP3阳性率55.37%，癌旁只有18.35%，白介素-1β（IL-1β）等炎症因子同步升高，给肿瘤”添柴”——菌群变化因此能提前暴露肠道的异常。

别急，血检也在进化：同一赛道上，液体活检也在冲刺：血浆多组microRNA（miRNA）签名对肠癌的判别AUC可达0.95，粪便miRNA最高0.96。但目前这些手段都还在研究验证期，没有一项进入临床常规。

56.5%的人，查出了东西

1034个FIT阳性者里，56.5%查出肿瘤性病变，其中66例已经是癌、298例是进展期腺瘤。菌群叠加FIT后灵敏度0.82，比单独FIT的0.81更高，对癌前病变尤其敏感——筛查的意义，就是抢在”癌”字前面。

筛查组合拳，正在升级

1 FIT阳性必须肠镜确认，这是现在的金标准流程，菌群检测替代不了。

2 菌群指纹让筛查更聪明，专补FIT对癌前病变不敏感的短板，未来可能让更多人免于肠镜。

3 怕肠镜也别跳过筛查——先从FIT开始，阳性再上肠镜，比什么都不做强得多：筛查组合拳，正在升级。

离临床还有一段路

① 人群局限：仅纳入FIT阳性者，不能外推到FIT阴性人群。
② 样本局限：用FIT剩余缓冲液测序，极低丰度菌种可能测不到。
③ 单中心验证：无独立外部验证队列，结果需更大样本复核。
④ 癌例偏少：66例结直肠癌，针对癌的模型统计功效有限。

参考资料：1. Birkeland E.E., et al. Microbiome signatures for detection of colorectal lesions in population-based FIT screening. Nature Communications（2026）. https://doi.org/10.1038/s41467-026-75962-1
2. Chen Y., et al. Unveiling Fusobacterium nucleatum’s role in colorectal cancer: the inflammatory microenvironment connection. Frontiers in Immunology（2026）. https://doi.org/10.3389/fimmu.2026.1747198
3. Navarro N., et al. MicroRNAs and Other Small RNAs in Liquid Biopsies as Biomarkers for Early Detection of Colorectal Cancer. International Journal of Molecular Sciences（2026）. https://doi.org/10.3390/ijms27167095

生酮饿死癌细胞，只是未验证的假设

一篇发表在《前沿科学》的观点文章明确提醒：被热捧的”血糖-酮体比（GKI）”作为生酮饮食的监测指标，目标值约1.0只是推算出的假设，未经验证，作者原话是——这不是临床靶标，更不是生活方式处方。酮体对肿瘤”抑制一些、喂养另一些”，双面性不容忽视。

如果你想用生酮或断食应对癌症，先别拿自己当小白鼠

如果你或家人正在治疗癌症，看到”生酮/断食饿死癌细胞”的说法，先冷静：目前没有足够证据支持把它当治疗方案。长时间禁食会真实改变甲状腺激素水平，晚期癌症、体重持续下降（恶病质）的人尤其要慎重。一切代谢干预，先问主治医生，别自行停治疗、乱断食。

传说很热，科学家的冷水很冷

“生酮饮食能饿死癌细胞”——这个说法在减重圈和养生圈流传已久。但一篇由科学家撰写的观点文章直接泼了冷水：用来衡量”生酮深度”的血糖-酮体比（GKI），目标值约1.0只是基于既往脑肿瘤病例推算的假设，从没被系统验证过。作者的态度很明确：这是研究假设，不是生活处方。

你打算为”可能有用”付出的，是真实的代价

看到”饿死癌细胞”四个字，你是不是也心动过，甚至已经买了生酮产品？但先想清楚账本：酮体对肿瘤的作用是”双面”的——有的肿瘤确实被抑制，另一些反而把酮体当”燃料”；而长时间禁食还会真实改变你的甲状腺激素（游离T3平均下降明显、TSH下降）。为一个还没验证的假设，押上真实的代谢代价，值不值？

GKI的来龙去脉

GKI是什么：血糖-酮体比（GKI）＝血糖浓度÷血酮（β-羟基丁酸）浓度，用来量化身体”烧糖还是烧脂肪”的代谢状态。支持者认为它可以作为生酮干预的床边监测指标——因为它便宜、可重复测量。理论上讲，它确实是个有吸引力的监测参数。

目标值1.0，从哪来：研究者把既往发表的脑肿瘤病例的血糖、酮体数据套进这个比值，选定了”血糖和酮体数值（mmol/L）恰好相等”的点作为目标——也就是GKI约1.0。作者自己强调：这是一个”原则性估算”，值得验证，但绝不是已经验证的临床靶标。

酮体的双面性：机制层面，酮体（β-羟基丁酸）既能增强免疫细胞的抗肿瘤功能（包括杀伤性T细胞和工程化免疫细胞，多项研究支持），也能被部分癌细胞当作代谢原料”反哺”自己。同一个分子，对不同的肿瘤、不同的免疫状态，效果可能完全相反——这正是”抑制一些、喂养另一些”的由来。

禁食有真实的内分泌代价：与生酮相伴的往往还有”断食”。一项15项研究的荟萃分析显示：禁食24小时以上，游离T3（三碘甲状腺原氨酸）和促甲状腺激素（TSH）显著下降（Ulupınar et al., 2026）——甲状腺激素是全身代谢的”调速器”，它的改变不是小事，尤其对正在治疗、体重本就下降的癌症患者。

作者的原话：观点文章特别提醒：公共健康层面应该强调”个体化的代谢平衡”，而不是不加区分地追求生酮状态；GKI要真正进入临床，需要按疾病类型和分期做前瞻性验证。说到底——研究区≠生活区。

1.0的假设，未验证的靶标，双面的酮体

从被反复引用的生酮靶标 GKI 约 1.0，到”不是临床靶标、不是生活方式处方”的作者原话，再到禁食后真实下降的甲状腺激素——生酮饮食的吸引力是真的，证据基础也是真的薄。

别拿自己当小白鼠

1 GKI是假设不是结论，目标值1.0未经临床验证，不能拿来指导自己。

2 酮体双面，禁食有代价，甲状腺激素的真实改变提醒我们：代谢干预不是”饿一下”那么简单。

3 治疗中的癌症患者别自行断食或生酮，先问主治医生；营养支持听专业团队的。

别把”假设”当”疗法”

① 观点文章：本文是研究评论而非临床试验，无疗效数据。
② 目标值未验证：GKI约1.0基于推算，未经前瞻研究确认。
③ 双面机制未量化：酮体”助癌”与”抑癌”的边界尚未界定。
④ 人群敏感：晚期癌症、恶病质患者代谢脆弱，干预风险更高。

参考资料：1. Bischof E. The glucose ketone index: a compelling mechanistic hypothesis on the path to clinical validation. Frontiers in Science. 2026. https://doi.org/10.3389/fsci.2026.1939897
2. Ulupınar S, et al. Effects of fasting on thyroid hormone profiles: a systematic review and meta-analysis of TSH, FT3, FT4, and total T3 responses. Frontiers in Endocrinology. 2026. https://doi.org/10.3389/fendo.2026.1876045

确诊后一年，中风风险是一般人的1.8倍

一项覆盖以色列全国18.2万名新确诊浸润性癌症患者的研究显示：确诊后一年内，缺血性中风风险约为同年龄一般人群的1.8倍；确诊后头3个月最高，达2.5倍。分癌种看，胰腺癌最高（5.9倍），肺癌3.9倍。

如果你刚确诊癌症，血压血脂血糖别断档

如果你或家人刚拿到癌症诊断，除了排手术和化疗，请把三件小事一起排进去：量血压、查血脂血糖、把正在吃的抗凝和降脂药列个清单交给主管医生。确诊初期，血管和肿瘤要一起管。

最难的那一年，风险不只在肿瘤上

拿到确诊单的那一刻，很多人都会盯着肿瘤本身。但一项以色列全国登记数据分析提示：确诊后一年，中风风险约1.8倍。也就是说，真正要命的，有时不是肿瘤长多快，而是同一段时间里血管先出了事。这不是要你害怕，而是提醒你——这一年要管的，不止一件事。

你在忙着排治疗，谁在管血管

你是不是也有过这种想法：先把癌症治好，别的以后再说？问题在于，癌症确诊后的一段时期，身体本身就处在高凝、炎症和应激状态里；而血压血脂常被放到一边。研究给出的年龄梯度尤其值得注意：40至54岁患者的相对风险最高，达3.6倍——越年轻，越容易被漏掉。

18万人、1125例中风

18万人跟一年，1125例中风：研究者把以色列国家癌症登记处与国家卒中登记处按个人身份标识做了关联：纳入2014年至2021年间首次确诊浸润性癌症的182,221名40岁以上成人，累计随访162,593.4人年，记录到1,125例首次缺血性中风。风险用标准化发病比（SIR）表达，即与同年龄一般人群相比的倍数。

头3个月最凶，是2.5倍：按确诊后的时间分层，风险有一个清晰的峰值：确诊后0到3个月为2.5倍（95%置信区间2.2–2.7），3到6个月降到1.6倍（1.4–1.8），6到12个月为1.5倍（1.3–1.6）。一年累计发生率约0.62%，而一般人群的预期值约0.40%。

胰腺癌5.9倍，肺癌3.9倍：分癌种看差距很大：胰腺癌5.9倍（4.8–7.3）、食管癌4.1倍（2.2–6.8）、肺癌3.9倍（3.4–4.4）、胆囊癌3.6倍（2.0–5.9）、髓系白血病2.8倍（1.5–4.8）、胃癌2.4倍（1.7–3.2）、肝癌2.3倍（1.2–4.2）、膀胱癌2.2倍（1.7–2.7）。并非所有癌症都一样：女性乳腺癌为1.2倍（1.0–1.5）、前列腺癌0.9倍（0.7–1.1），均未达统计学显著。

越年轻，相对风险越高：年龄上出现了一个反向梯度：40至54岁患者为3.6倍（2.8–4.6），而75岁以上为1.4倍（1.3–1.6）。个别癌种更极端——40至54岁的肺癌患者达13.0倍（7.3–21.4），同年龄段的胰腺癌患者达18.1倍（6.6–39.4）。相对风险高不等于个人真的会中风，但”年轻人不容易中风”这个印象，在这一年里要打个问号。

2.5倍到5.9倍，谁最高

确诊后头3个月2.5倍，第4到12个月仍在1.5倍以上；分癌种从乳腺癌的1.2倍一路到胰腺癌的5.9倍；按年龄看，40至54岁3.6倍，75岁以上1.4倍；一年累计发生率0.62%，高于一般人群的0.40%。时间与癌种共同决定风险。

确诊时顺手查三件事

1 确诊后前3个月是风险峰值，血压、血脂、血糖该查就查，别等治疗都排完。

2 年轻不是免死金牌——40至54岁人群的相对风险反而最高，症状出现别硬扛。

3 这是观察性关联，风险升高不等于必然发生：把可控的血管危险因素管住，比担惊受怕更有用。

别把人群倍数扣到个人头上

① 事件数限制：部分癌种的中风事件稀疏，分层后的估计精确度有限。
② 分期信息缺失：近一半病例（47.9%）确诊时癌症分期未知，无法做分期特异性分析。
③ 缺失关键变量：登记库中没有合并症、抗肿瘤治疗方案与抗血栓用药信息，无法调整这些混杂因素。
④ 只统计住院中风：登记处仅收录住院病例，非住院及入院前致死性中风未记录，发病率可能被低估；在晚期转移病例中，个别被记为中风的事件有可能是未被识别的脑转移。
⑤ 相对指标的特性：标准化发病比未把死亡作为竞争风险处理，在死亡率高的情况下可能高估早期超额风险。

参考资料：Libruder C, Tanne D, Silverman BG, et al. Elevated risk of ischemic stroke after invasive cancer diagnosis: A nationwide population-based study. Cancer（2026）. https://doi.org/10.1002/cncr.70536

基因提示面包护脑，但证据还很弱

一项两样本孟德尔随机化研究提示：基因预测的面包摄入与脑胶质母细胞瘤风险降低相关（OR 0.0046），拿铁、燕麦脆与风险升高相关（OR 1.34、1.68），但经过多重校正后没有一项达到强显著，作者也明确警告：这不能作为吃面包或吃培根的饮食建议。

别为面包高兴，也别为拿铁恐慌

如果你看到”吃面包能护脑”的标题，先别急着囤面包——这项研究只是提示性证据，远没到改变饮食的程度。日常真正值得做的，是整体少一点超加工食品（软饮、包装零食、加工肉），而不是纠结某一种食物。

囤面包之前，先把数据看完

“基因研究提示：吃面包和脑癌风险降低有关”——这种标题一出，面包店怕是要排队。但把原文翻出来看，事情远没有标题那么带劲：这个”保护”信号只是提示性，作者自己都在文里反复提醒别当真。

标题说吃面包护脑，你信吗？

你是不是也常被”XX和癌症”的标题带着走？看到”降低风险”就囤货，看到”升高风险”就拉黑。可科学研究里，最容易被误读的就是这一步：显著结果，校正后可能就不显著。这篇”吃面包护脑”的研究，恰恰是教科书级的例子。

0.006的OR，先别激动

基因视角的意外发现：研究者用两样本孟德尔随机化（MR）方法，用基因变异模拟”终身饮食倾向”：在21.9万欧洲裔人群里看脑胶质母细胞瘤（GBM，胶质母细胞瘤）风险。结果显示，基因预测的面包摄入（45.2万人数据）与风险降低相关（OR 0.0046），培根也提示保护（OR 0.0003）；而南亚人群数据里，拿铁（OR 1.340）、燕麦脆（OR 1.679）与风险升高相关。

校正之后，全都不显著：看着很唬人的数字，过不了”多重校正”这一关：研究者把6种食物放在一起做Bonferroni校正后，没有一项达到强显著水平；巧克力棒的单变量风险（OR 1.515）在联合校正后直接反转、变不显著。也就是说，这些关联都只能算”提示性证据”。

作者自己泼冷水：论文作者在讨论里专门强调：培根的”保护”信号与既往”加工肉升癌风险”的流行病学证据相反，不得解读为鼓励吃培根或加工肉，也不构成任何饮食建议——基因信号≠现实效果。

脑瘤话题的另一面：同一话题的另一头，生酮饮食作为脑胶质母细胞瘤辅助策略的范围综述（12项研究）显示，中位生存12-22个月，证据不足、不能常规推荐——饮食与脑瘤这个领域，各种方向都在探索，单一研究都别急着站队。

提示性证据，不等于实锤

OR 0.0046的”保护”、OR 1.679的”风险”，看着一正一反很带感，但多重校正后P值无一低于0.0083——这些数字只够”提示”，不够”实锤”。

少一点超加工食品，更实在

1 基因提示不等于饮食建议，面包”护脑”只是提示性信号，别囤货。

2 别为单一食物恐慌或狂欢，拿铁燕麦脆的风险同样是提示性，别拉黑。

3 把力气花在整体上——美国1.7万名男性的数据显示，超加工食品摄入高的人群，前列腺癌风险高29%-30%：少一点超加工食品更实在。

数据小、祖先不匹配

① 祖先不匹配：面包、培根用欧洲数据，拿铁、燕麦脆用南亚数据，遗传结构不同。
② 样本悬殊：南亚队列仅约1469人，与欧洲45万人差距巨大，存在弱工具偏倚风险。
③ 校正后不显著：各项结果仅提示性，不能作为因果结论。
④ 机制不明：基因倾向≠实际吃法，无法对应到具体剂量和现实场景。

参考资料：1. Zhou G., et al. Associations between multiple food intake and glioblastoma risk: A Mendelian randomization study. Medicine（2026）. https://doi.org/10.1097/MD.0000000000050090
2. Scott H., et al. Consumption of Ultra-Processed Foods and Increased Risks of Prostate Cancer in a Random Sample of United States Adults. The American Journal of Medicine（2026）. https://doi.org/10.1016/j.amjmed.2026.07.043
3. Wiśniewska D., et al. Metabolic Therapy in Glioblastoma—Mapping the Evidence for Ketogenic Diet as an Adjunctive Strategy. Nutrients（2026）. https://doi.org/10.3390/nu18152498

基因提示面包护脑，但证据还很弱

一项两样本孟德尔随机化研究提示：基因预测的面包摄入与脑胶质母细胞瘤风险降低相关（OR 0.0046），拿铁、燕麦脆与风险升高相关（OR 1.34、1.68），但经过多重校正后没有一项达到强显著，作者也明确警告：这不能作为吃面包或吃培根的饮食建议。

别为面包高兴，也别为拿铁恐慌

如果你看到”吃面包能护脑”的标题，先别急着囤面包——这项研究只是提示性证据，远没到改变饮食的程度。日常真正值得做的，是整体少一点超加工食品（软饮、包装零食、加工肉），而不是纠结某一种食物。

囤面包之前，先把数据看完

“基因研究提示：吃面包和脑癌风险降低有关”——这种标题一出，面包店怕是要排队。但把原文翻出来看，事情远没有标题那么带劲：这个”保护”信号只是提示性，作者自己都在文里反复提醒别当真。

标题说吃面包护脑，你信吗？

你是不是也常被”XX和癌症”的标题带着走？看到”降低风险”就囤货，看到”升高风险”就拉黑。可科学研究里，最容易被误读的就是这一步：显著结果，校正后可能就不显著。这篇”吃面包护脑”的研究，恰恰是教科书级的例子。

0.006的OR，先别激动

基因视角的意外发现：研究者用两样本孟德尔随机化（MR）方法，用基因变异模拟”终身饮食倾向”：在21.9万欧洲裔人群里看脑胶质母细胞瘤（GBM，胶质母细胞瘤）风险。结果显示，基因预测的面包摄入（45.2万人数据）与风险降低相关（OR 0.0046），培根也提示保护（OR 0.0003）；而南亚人群数据里，拿铁（OR 1.340）、燕麦脆（OR 1.679）与风险升高相关。

校正之后，全都不显著：看着很唬人的数字，过不了”多重校正”这一关：研究者把6种食物放在一起做Bonferroni校正后，没有一项达到强显著水平；巧克力棒的单变量风险（OR 1.515）在联合校正后直接反转、变不显著。也就是说，这些关联都只能算”提示性证据”。

作者自己泼冷水：论文作者在讨论里专门强调：培根的”保护”信号与既往”加工肉升癌风险”的流行病学证据相反，不得解读为鼓励吃培根或加工肉，也不构成任何饮食建议——基因信号≠现实效果。

脑瘤话题的另一面：同一话题的另一头，生酮饮食作为脑胶质母细胞瘤辅助策略的范围综述（12项研究）显示，中位生存12-22个月，证据不足、不能常规推荐——饮食与脑瘤这个领域，各种方向都在探索，单一研究都别急着站队。

提示性证据，不等于实锤

OR 0.0046的”保护”、OR 1.679的”风险”，看着一正一反很带感，但多重校正后P值无一低于0.0083——这些数字只够”提示”，不够”实锤”。

少一点超加工食品，更实在

1 基因提示不等于饮食建议，面包”护脑”只是提示性信号，别囤货。

2 别为单一食物恐慌或狂欢，拿铁燕麦脆的风险同样是提示性，别拉黑。

3 把力气花在整体上——美国1.7万名男性的数据显示，超加工食品摄入高的人群，前列腺癌风险高29%-30%：少一点超加工食品更实在。

数据小、祖先不匹配

① 祖先不匹配：面包、培根用欧洲数据，拿铁、燕麦脆用南亚数据，遗传结构不同。
② 样本悬殊：南亚队列仅约1469人，与欧洲45万人差距巨大，存在弱工具偏倚风险。
③ 校正后不显著：各项结果仅提示性，不能作为因果结论。
④ 机制不明：基因倾向≠实际吃法，无法对应到具体剂量和现实场景。

参考资料：1. Zhou G., et al. Associations between multiple food intake and glioblastoma risk: A Mendelian randomization study. Medicine（2026）. https://doi.org/10.1097/MD.0000000000050090
2. Scott H., et al. Consumption of Ultra-Processed Foods and Increased Risks of Prostate Cancer in a Random Sample of United States Adults. The American Journal of Medicine（2026）. https://doi.org/10.1016/j.amjmed.2026.07.043
3. Wiśniewska D., et al. Metabolic Therapy in Glioblastoma—Mapping the Evidence for Ketogenic Diet as an Adjunctive Strategy. Nutrients（2026）. https://doi.org/10.3390/nu18152498

一次坐满1小时的”连续久坐”，比总时长更伤身

英国生物银行 9.1 万人的数据显示：每增加 1 小时的”连续久坐”（一次至少 30 分钟不起身），癌症死亡风险约高 9%（HR 1.09，95%CI 1.06-1.11）；而如果把这 1 小时换成轻度活动，癌症死亡风险约降 12%（HR 0.88）。被打断的”碎片化久坐”，风险反而更低。

每小时起身动5分钟：轻活动也是”药”

如果你有久坐的工作习惯，别只惦记下班后的”正式锻炼”：研究提示，主动打断久坐、把轻活动（走动、家务、站立）算进每天的活动量，可能比想象中更有价值。设个番茄钟，每小时起来倒杯水、走几步，就是最低成本的健康投资。

久坐的账，大多数人只算了一半

“久坐伤身”大家都听过，但多数健康建议只盯着”一天总共坐了多久”。英国生物银行的一项新研究把账算得更细：同样一天坐 8 小时，一次坐满 1 小时不起来的人，和经常起身打断的人，癌症死亡风险并不一样——”连续久坐”才是更值得警惕的模式。

“起来一下”，真的有用吗

很多人把活动量等同于”专门去锻炼”：没时间跑步，就心安理得坐着。但这篇基于 9.1 万人、12 年随访的研究提示，“碎片化的轻活动”同样算数——每替换 1 小时连续久坐为轻度活动，癌症死亡风险可能下降约 12%。起身那几步，不是可有可无。

9.1万人、7天监测、12年随访

让 9.1 万人戴上运动手环：研究用英国生物银行 91,292 名参与者，每人佩戴加速度计（运动监测设备）7 天，精确区分”连续久坐”与”被打断的久坐”：连续久坐定义为一次至少 30 分钟、其中 90% 以上时间处于坐姿的片段；被打断的久坐则指更短或中途有活动的片段。随后随访中位 12.38 年。

连续久坐与癌症死亡”量级挂钩”：每天每增加 1 小时连续久坐，癌症死亡风险约高 9%（HR 1.09，95% 可信区间 1.06-1.11）；癌症总发病、肥胖相关癌症（食管、肝、肾、胰腺、结直肠、乳腺、卵巢、甲状腺等）以及糖尿病相关癌症，都呈现相似关联。

打断与替换，方向相反：与之对照，碎片化的”被打断久坐”与各项结局呈相反方向（风险更低）。更实用的是替换分析：把每天 1 小时连续久坐换成轻度身体活动，癌症死亡风险约降 12%（HR 0.88）——不要求大汗淋漓，普通走动就有效果。

+9% 还是 -12%，看你怎么坐

每多 1 小时连续久坐，癌症死亡风险 +9%（HR 1.09）；把这 1 小时换成轻活动，风险 -12%（HR 0.88）；碎片化久坐反而更”安全”——同样是坐着，要不要时不时起来，结局可能不一样。

三个记住，一个别怕

1 “一次坐太久”比”总时长”更值得警惕，连续久坐每多 1 小时都与更高的癌症死亡风险相关。

2 轻活动就有效：把久坐换成走动、家务等轻度活动，同样能降低风险，不必追求”仪式感锻炼”。

3 从今天起给自己设个提醒，每小时起身动几分钟，是最容易执行的健康习惯。

观察性数据，别吓自己也别松懈

① 观察性局限：只能谈相关，不能证明久坐与癌症死亡之间就是因果关系；久坐多的人可能整体健康行为更差。
② 志愿者偏倚：英国生物银行参与者比一般人群更健康、更爱运动，结果外推需谨慎。
③ 单一时点测量：7 天加速度计数据不能完全代表数十年久坐模式。
④ 未问情境：研究没有区分”坐着工作”还是”坐着开车”，不同情境的影响可能不同。

参考资料：Zhou Z, Trost SG, Ryde GC, et al. Accelerometry-measured prolonged and interrupted sedentary behavior and cancer incidence and mortality: A cohort study of 91,292 UK Biobank participants. PLOS Medicine (2026). https://doi.org/10.1371/journal.pmed.1004767

对具体癌症预警信号的识别，普遍不及格

埃及一项针对 399 名成人的调查显示：癌症风险与预警信号知识测试，满分 52 分的中位得分只有 28 分。具体信号识别更糟——只有 33.3% 的人认得出”不愈合溃疡”是警示、35.1% 认得出”持续咳嗽”可能是警报；而 89.5% 的人知道吸烟致癌——危险因素记得牢，具体警报认不出，认知明显”重宏轻微”。

别等”典型症状”：一份自查清单，有信号就就医

癌症早期常以”不起眼”的信号出现：不愈合的溃疡/伤口、持续咳嗽或声音嘶哑、不明原因体重下降、便血或排便习惯改变、乳房或体表新出现的肿块——持续超过 2 周不缓解，就别硬扛，去正规医院查一查。认识信号，是比”谈癌色变”更有效的第一步。

最该认识的癌症信号，多数人却不认识

问一个扎心的问题：不愈合的溃疡、持续两周的咳嗽——你觉得它们是”癌症警报”吗？埃及一项 399 人的调查发现：只有约三分之一的成年人认得出这些信号；在满分 52 分的癌症知识测试里，中位得分只有 28 分。真正救命的”红灯”，大多数人根本没学会认。

信”大词”，漏”小信号”

调查里有组耐人寻味的数据：89.5% 的人知道”吸烟致癌”这种大道理，却只有 33.3% 认得出”不愈合溃疡”这种具体警报——大众对”宏大风险”很熟，对”自己的具体信号”却很生。而癌症恰恰是”具体的信号”先来敲门。

28/52：知识缺口具体在哪

中位 28 分，及格线以下：研究用 52 分制问卷测试埃及曼苏拉地区 399 名成人的癌症风险因素与预警信号认知，中位得分仅 28 分——总体知识”中等偏下”，具体信号识别是明显短板。

两成到三成出头：具体到预警信号：33.3% 的人认出”不愈合溃疡”、35.1% 认出”持续咳嗽”是警示信号；乳房肿块、异常出血等信号的识别率同样不高。这些恰恰是乳腺癌、肺癌、肠癌等常见癌种最早期的”敲门声”。

识得”大”，漏了”小”：风险因素部分的矛盾在于”重宏轻微”：89.5% 的人知道吸烟是致癌因素，但不愈合溃疡（33.3%）、持续咳嗽（35.1%）这类具体警报的识别率只有三成出头——”大道理”反复被科普，”个人信号”却很少有人系统教过。学历与医疗背景是知识水平的最强预测因子，网络与社交媒体是主要信源（53.9%）——信息渠道的质量，直接塑造认知的准确度。

28分与两道识别赤字

满分 52 只拿 28 分（中位）；不愈合溃疡仅 33.3%、持续咳嗽仅 35.1% 被认出是警报；吸烟致癌 89.5% 人人皆知——知道的都是”大词”，漏掉的都是”自己的信号”。

三个记住，一个提醒

1 认识具体信号比记住”癌症可怕”更有用：不愈合溃疡、持续咳嗽、异常出血、肿块、不明原因消瘦，都是该就医的”红灯”。

2 有症状别硬扛、别自行诊断：超过 2 周不缓解就去看医生，把”排查”当常态。

3 主动获取靠谱信息：以医生和权威机构为准，别让社交媒体的”癌症谣言”塑造你的风险观。

横断面调查，看方向即可

① 人群局限：样本为埃及一地 399 名成人，具体数字不代表中国人群，但”信号识别差”的方向有普遍性。
② 测试工具差异：不同问卷的题目与计分不同，28/52 只能横向理解，不宜跨研究直接比较。
③ 知识≠行为：认识信号不等于会去就医，经济与就医可及性同样决定结局。
④ 癌症种类差异：不同癌种预警信号差异大，自查清单不能替代专业筛查。

参考资料：Eid AM, Kamal AM, et al. Awareness level of cancer risk factors and warning signs among adults in Mansoura District, Egypt. BMC Public Health (2026). https://doi.org/10.1186/s12889-026-29125-y

“一滴血查癌”证据地图：突变偏专一，扩增更通用

系统综述梳理了100项研究、113个循环肿瘤DNA（ctDNA）标志物、覆盖23种癌症：突变类标志物高度癌种特异，而基因扩增（尤其ERBB2）跨多种癌一致出现，是泛癌检测更有希望的”通用钥匙”。

想做液体活检，先问清测突变还是扩增，警惕夸大宣传

如果你想做液体活检早筛，先问清楚测的是突变还是扩增：目前证据对亚洲人群泛癌筛查仍处”假设生成”阶段，警惕夸大宣传。

“一滴血查癌”，广告越响，越该问一句

“抽一管血查十几种癌”的广告，总让人心动。但亚洲人群的ctDNA证据到底到哪一步了？一篇覆盖100项研究、23种癌症的系统综述给出了冷静的答案：“一滴血查癌”离亚洲人还有距离。纳入标准也很讲究：只算肿瘤特异性ctDNA，不含单纯的总cfDNA。

你买的那管血，测的是”突变”还是”扩增”

你是不是以为液体活检都差不多？其实信号类型天差地别：突变型标记物大多是”一癌一签”，而基因扩增类信号跨癌种更”通用”——这一点决定了筛查能查几种癌。如果只想确认某个特定癌种，突变型也许够用；想”广撒网”，目前真没有现成答案。

100项研究画出的地图

113个标志物，23种癌：研究按系统综述规范检索2015至2025年间的文献，纳入100项研究、113个ctDNA基因标志物，覆盖23种癌症类型，其中肺癌、结直肠癌、乳腺癌研究最多。研究对象均为亚洲癌症患者，聚焦的是”亚洲人身上测得到什么”，而不是把欧美数据硬搬过来。检索时间跨2015年至2025年2月，锁定近十年证据。

突变，准但”专一”：突变是最常被报告的改变类型，但突变谱高度异质，大多只对应特定癌种——就像每把钥匙只开一把锁，灵敏但通用性差。这也解释了为什么现有突变型液体活检多是”单癌种”产品：信号本身就太专一。

扩增，ERBB2是”万能钥匙”苗子：基因扩增事件跨癌种更常见，尤其是ERBB2（人表皮生长因子受体2）、MET（间质表皮转化因子）、MYC（原癌基因）三种，其中ERBB2是跨癌种最一致的扩增信号，证据覆盖结直肠、胃、食管、胆道、胰腺、乳腺、卵巢等至少12种癌。研究在”基因-事件”层面提取证据，每个报告的基因组改变都算一条独立证据，避免被少数大研究带偏。

突变”专一”对扩增”通用”，一图看清

113个标志物里，突变型大多一癌一签；扩增型（ERBB2为首）跨12种以上癌出现。对”查多种癌”的需求来说，扩增信号更接近”通用钥匙”。对想”一管血查多种癌”的人来说，这个区别直接决定产品能不能成立。

先看懂”钥匙”再掏钱

第一，亚洲人群的ctDNA证据，还停在”地图”阶段。

第二，突变查得准、扩增查得广，两者用途不同。

第三，这是描述性综述，未验证诊断性能，“一滴血查癌”先别急着掏钱。

别把”地图”当”能力”

① 频率不等于患病率：标志物的报告频率反映的是研究数量，不是人群真实患病率。

② 无诊断性能数据：综述未评估灵敏度特异度，仅用于产生假设。

③ 检索受限：仅检索PubMed单一数据库、仅英文文献。

④ 需前瞻验证：泛癌检测价值需临床性能评估与实施研究确认。

参考资料：Rarasati AR, et al. Cross-Cancer Detectability of ctDNA Biomarkers in Asian Populations: Implications for Pan-Cancer Detection. Cancer Management and Research（2026）. https://doi.org/10.2147/CMAR.S612902

同样化疗，心脏风险差出4倍

英国生物样本库中1.87万名接受过化疗、无心血管病史的癌症患者，被无监督聚类分出9种心脏肿瘤学风险表型：风险最高的一组，复合心血管事件风险达最低组的4.06倍；缺血性心脏病差距最大，可达7.97倍。

如果你是化疗患者，治疗前心血管基础评估值得认真对待

如果你或家人即将化疗，别只看肿瘤科。提前评估血压、血糖、肾功能和心血管用药史，化疗方案与心脏监测可以”因人定制”，而不是”一刀切”。

同一瓶化疗药，有人心脏先撑不住

病房里一起化疗的病友，有人平平安安，有人几年后查出心衰。英国1.87万名化疗患者的分析发现，人群里其实藏着9种”心血管体质”——心脏风险最高差4倍。而且这套分层用的全是常规指标，不用做任何新检查。

化疗前，你的心脏被”摸底”过吗

你化疗前是不是只查了血常规和肝功能，心脏只是”顺带”看一眼？研究显示，把45项常规临床指标聚成表型后，能提前把高风险的人挑出来——心脏风险可以分层。研究用的还是”无监督”聚类——没人预设谁高谁低，是数据自己把人群分成了9堆。

1.87万人聚成9类

人群里的九种”体质”：研究对英国生物样本库18,693名接受过化疗且无心血管病史的癌症患者，用45项变量做无监督聚类，识别出9个稳定表型，特征涵盖治疗暴露、心血管用药、心脏代谢负担、肾功能与生活方式。聚类采用Gower距离加降维、密度聚类等算法，并做了多种稳健性检验，9个表型在反复重抽样中保持稳定。随访自首次化疗记录起算，覆盖心脏毒性的高发窗口。

心脏事件风险呈阶梯状：与参考组相比，所有表型的心血管复合事件风险都更高：最高的第9类达4.06倍（95%置信区间3.44-4.78），随后是3.47倍、2.82倍、2.31倍、1.42倍——风险像台阶一样逐级抬升。

差距最大的是缺血性心脏病：细分看，缺血性心脏病的组间差距最悬殊：最高组风险达7.97倍（5.44-11.66）；心绞痛最高7.63倍；缺血性卒中最高的组为5.40倍。化疗相关心脏损伤，远比”人人平等”复杂。值得注意的是，45项变量全是常规临床指标，不需要任何新的”高大上”检查。

数倍差距，藏在”体质”里

复合心血管事件最高差4.06倍，缺血性心脏病最高差7.97倍；加入表型标签后，10年预测的曲线下面积（AUC）从0.648提升到0.692（提升0.044，p<0.001），一致性指数也从0.611升到0.625。风险分层，确实比一刀切更聪明。

风险分层，该进诊室了

第一，化疗心脏风险因人而异，差别可达数倍。

第二，常规指标就能分出风险层级，分层不靠玄学。

第三，研究基于英国数据、属探索性分析，但方向值得临床重视：心脏风险分层，应该走进化疗决策。

别把”分层”当成”定论”

① 人群局限：英国生物样本库以中老年欧洲裔为主，化疗方案与人群风险谱不同。

② 性别混杂：部分表型性别失衡明显（与乳腺癌占比高有关），需独立队列验证。

③ 时间错位：随访从首次化疗起算，部分协变量来自入组基线，时间不完全对齐。

④ 数据缺口：数据库缺少肿瘤分期、具体化疗方案与剂量，残余混杂仍可能。

参考资料：Gao X, Chen K, Liang H, et al. Cardio-Oncology Risk Phenotypes in Cancer Patients Treated with Chemotherapy: A Data-Driven Analysis. Frontiers in Cardiovascular Medicine（2026）. https://doi.org/10.3389/fcvm.2026.1826258