這篇論文主要在探討：在乳癌病程中，哪些循環腫瘤細胞（CTC）訊號，真的和轉移風險與後續預後更有關呢？傳統 CTC 檢測常偏重上皮型標記，例如 EpCAM；但當癌細胞進入轉移相關過程時，細胞表型可能逐步改變，若只依賴單一上皮型訊號，很容易低估真正具有侵襲與播散能力的細胞族群。
榮文生醫與中山醫學大學附設醫院發表於 MDPI《Diseases》的這篇研究，正是用 Chiline CATCH® 自動化負向篩選平台來回答這個問題。研究流程不是先用單一腫瘤標記去「抓特定細胞」，而是先透過負向篩選去除正常血球，再在保留下來的非血球細胞中，進一步以 EpCAM 與 CSV（cell-surface vimentin）作為主要辨識訊號。這個設計的關鍵，在於它更接近「先保留、再判讀」的邏輯，而不是先假設只有某一種表型才值得被看見。
研究結果顯示，真正與高轉移風險相關的是 CSV+ CTC，而不是 EpCAM+ CTC。因為 CSV 通常對應的是更接近間質型或轉移相關表型的細胞訊號。換句話說，當研究問題從「血中有沒有 CTC」進一步推進到「哪些 CTC 更值得關注」時，CSV+ CTC 顯然提供了更強的風險辨識能力。
數據上，若 CSV+ CTC 超過每 2 mL 血液 4.5 個，對辨識高轉移風險患者具有 0.56 的敏感度與 0.92 的特異度。這個結果的重點不在把它解讀成單一診斷工具，而在於它展現出很高的特異度，也就是當 CSV+ CTC 上升到一定程度時，這個訊號具有相當強的警示意義。對需要風險分層的情境來說，這比單純知道「血中有沒有異常」更接近決策層級的資訊。
論文也進一步比較了傳統血清腫瘤標記，包括 CA 15-3、CA 125 與 CEA。研究指出，CSV+ CTC 在高轉移風險辨識上的表現優於上述傳統指標；若把 CSV+ CTC 與這些血清標記一起使用，整體風險分層能力還能再提升。這代表 CTC 並不是要取代既有指標，而是提供一個更貼近腫瘤細胞本身狀態的補充觀測維度。
另一個值得注意的結果，是當 CSV+ CTC 達每 2 mL 血液 5 個以上時，與較差的無疾病惡化存活期顯著相關。這使得 CSV+ CTC 的價值不只停留在橫斷面的風險辨識，而是往「預後與病程追蹤」再跨了一步。若後續有更多臨床研究累積，這類訊號就有機會成為乳癌追蹤策略中的關鍵觀察點。
從平台角度來看，這篇研究可以發現，CTC檢測所使用的平台會直接影響你最後看見什麼。若前端富集方法本身就偏好某一類表型，後端再精密的影像判讀也無法彌補一開始就被漏掉的細胞。負向篩選的價值，在於先去除干擾性的正常血球，盡可能保留更多潛在目標，再交由自動化流程、標記染色與影像判讀去完成後續辨識。這也是為什麼同樣是 CTC 檢測，不同平台最後得到的風險訊號強度可能差很多。
對臨床與追蹤應用來說，若目標是理解乳癌的轉移風險與復發監測，平台不應只追求「有沒有抓到細胞」，而是要盡可能看見那些真正與病程演進有關的細胞型態。CSV+ CTC 未來有機會成為乳癌轉移風險分層與復發監測的重要生物標記。