导语
如果一个血液检测能做到 99.55% 的特异性、52% 的阳性预测值、把筛查发现的癌症数量提高四倍，你会怎么判断它？
多数人的直觉是“这东西该进体检套餐了”。但 2026 年 9 月 22 日《自然·医学》（Nature Medicine）与《新英格兰医学杂志》（NEJM）同期发表的 NHS-Galleri 研究，给出的答案要冷峻得多：这项纳入 14.2 万人的随机对照试验，主要终点——12 种预设癌种的 III/IV 期发病率下降——没有达到。干预组 706 例，对照组 688 例，发病率比（IRR）1.03。
这不是一次“检测不准”的失败。恰恰相反，它的检测性能与既往研究高度一致。它失败的地方，是很多人默认成立、却从未被严格验证过的那一环：查出得更早，是否等于更少人死于晚期癌症。
一、这项试验为什么值得等三年
多癌种早期检测（MCED，multi-cancer early detection）的逻辑很直接：肿瘤会把自身的 DNA 碎片释放进血液，检测这些循环游离 DNA（cfDNA）上的甲基化等特征，就能在影像看得见之前提示“体内可能有癌”，并给出可能的组织来源（cancer signal origin，CSO）。
过去十年，这类检测积累的主要是“分析性能”和“临床有效性”证据——能不能测出来、测得准不准。但监管与支付方真正在意的是第三层：临床效用，即用了它，病人的结局是否改变。
NHS-Galleri 就是为回答这一层而设计的。研究在英国开展，入组 142,924 人，最终随机分析人群 142,250 人，年龄 50–79 岁、无症状，1:1 随机分为干预组（血样送检）与对照组（血样不检测），每年一次、最多三轮，阳性者经 NHS urgent suspected cancer 通路转诊。主要终点定为“12 种预设癌种的 III/IV 期发病率下降”，评估时点为末例随机化后约三年。
这个终点选得很硬。 它不看你查出了多少早期癌，只看晚期癌有没有真的变少——因为只有“晚期变少”，才可能意味着死亡变少。
二、主要终点为什么没达到
把数据摊开，失败的原因并不神秘，至少有三笔账可以算清。
第一笔账：敏感性决定了天花板。 Nature Medicine 论文给出的“episode sensitivity”（每一轮筛查周期内检出癌症的比例），全体癌种仅 26.7%–37.2%，12 种预设癌种为 47.6%–63.4%。也就是说，即便在最好的情形下，仍有近四成目标癌种、以及约三分之二的其他癌症不在这次检测的覆盖范围内。一个只能看见三分之一的工具，很难把整体的晚期比例压下去。
第二笔账：分期迁移需要时间，而“先涨后降”会互相抵消。 干预组第一年 III/IV 期反而增加了 19%——这不是检测有害，而是“把原本还没被发现的晚期病人提前捞了出来”，统计上表现为一次性的“库存出清”。随后第二轮、第三轮分别下降 5% 与 12%，方向对了，但三年累计仍不足以抵消第一年的抬升，最终 IRR 停在 1.03。
第三笔账：早期癌确实变多了。 I/II 期诊断增加 16%（647 对 559，相对风险 1.16，95% CI 1.03–1.30），I–III 期增加 19%。同时，筛查发现的癌症从 290 例增至 1173 例（约四倍），临床常规途径发现的癌症下降 21%，急诊途径首诊下降 21%。
关键就在这里：早期变多、晚期没少。 这两个现象同时成立，说明检出的增量里，有相当一部分是原本也会在同期被发现的病例，只是被提前了——这正是筛查领域最经典的“领先时间偏倚”（lead-time bias）。它不改善结局，只改变时间轴。
三、数据里也有真信号，不能一概而论
把这份答卷读成“早筛无用”，是另一种误读。几个次级结果值得单独拎出来：
- IV 期癌症下降 14%（342 对 397），且逐轮加深：第一年 9%、第二年 22%、第三年 26%。这是最接近“死亡替代终点”的指标，方向明确。
- 急诊首诊下降 21%（225 对 286）。急诊发现往往意味着已失去根治机会，这项改善具有真实的临床含义。
- 检测本身足够“干净”：特异性 99.55%，阳性率约每 100 人 1 例（三轮分别为 1.03%、0.80%、0.90%），阳性预测值 52.0%（分轮 58.0%、50.4%、45.8%），阴性预测值约 98.9%，CSO 前两位准确率 92.5%。安全性方面，两组相关不良事件 381 对 333 例，无相关严重不良事件。
- 但假阳性仍是一笔真实成本。 阳性预测值 52% 意味着每两个“报警”里就有一个最终不是癌。在 14 万人规模下，这会转化为大量 CT、内镜、穿刺与随之而来的焦虑——这部分“下游代价”在卫生经济学评估里不能省略。
四、这次失败真正否掉的是什么
它否掉的不是“早检”这个方向，而是三个更具体的假设。
假设一：加一个泛癌血检，就能整体前移分期。 事实是，筛查是一个系统：检测的敏感性、覆盖的癌种、阳性后的诊断通路速度、以及该癌种是否有有效的早期治疗手段，四者缺一不可。检测只是链条的第一环。
假设二：分析性能好，临床效用自然好。 99.55% 的特异性足以支撑“少误报”，但支撑不了“少死亡”。这两个结论之间，隔着一整项随机对照试验。
假设三：早期检出率提升可以作为替代终点。 NHS-Galleri 用三年时间证明，这个替代关系并不自动成立。对做伴随诊断、MRD、早筛的团队来说，这是一次必要的“终点教育”。
五、对 IVD 与产业端的五点启示
- 终点设计要往前提。 如果一项早筛产品从 I 期就想走到注册，必须在方案阶段就明确“分期迁移”还是“癌种特异性死亡率”作为主终点，并预留足够的随访年数；用检出率替代，后期极易被否。
- 敏感性要按“癌种 × 分期”分层报告。 单一个总体敏感性（26.7%–37.2%）对临床没有操作价值；能说明“在 II 期胰腺癌里能抓到多少”，才是医生愿意开单的理由。
- PPV 决定商业模型。 52% 的 PPV 在人群筛查里意味着极高的复核成本；提高 PPV 的路径不是把阈值调高（会牺牲敏感性），而是富集高危人群（年龄、吸烟史、家族史）并做多组学叠加。
- CSO 准确率是差异化战场。 92.5% 的前两位准确率，直接决定后续做哪一项影像、花多少钱、耽误多少天。这一项的性能提升，临床价值不低于敏感性。
- 阴性不等于安全。 98.9% 的 NPV 听着很高，但对个体而言，“这次没报”不能替代该做的常规筛查。产品说明书与医生沟通话术必须把这条写死，否则会出现“因为做了血检所以不做肠镜”的反向伤害。
放在更长的时间轴上看，NHS-Galleri 的价值可能不在于它证明了什么，而在于它第一次用随机对照的方式，把“早筛到底该证明什么”这件事摆到了台面上。对一个仍在快速扩张的赛道来说，这样的负结果，比十篇漂亮的回顾性研究更有分量。
参考资料
- Neal RD, Dolly S, Johnson P, et al. Performance of a multi-cancer early detection test in the randomized controlled NHS-Galleri trial. Nat Med. 2026;32:3770–3780（在线 2026-09-22）。https://doi.org/10.1038/s41591-026-04652-8
- Swanton RC, Johnson P, Round T, et al. NHS-Galleri: primary results from a randomised controlled trial to assess the clinical utility of a multi-cancer early detection test in population screening. J Clin Oncol. 2026;44(17_suppl):LBA100（2026 ASCO 年会）。https://doi.org/10.1200/JCO.2026.44.17_suppl.LBA100
- NHS-Galleri 试验官方结果说明（2026-09）。https://www.nhs-galleri.org/trial-updates/first-full-nhs-galleri-results-published-in-leading-journals
- Cancer（Wiley/ACS 期刊）述评：Study raises important questions about the clinical utility of multicancer early detection testing. 2026。https://doi.org/10.1002/cncr.70574
- ClinicalTrials.gov 注册号 NCT05611632。
本文为行业信息解读，不构成诊疗建议；筛查决策请遵循当地指南与临床评估。