談癌色變，這已經(jīng)是整個(gè)世界的問題?，F(xiàn)在，醫(yī)療行業(yè)試圖通過AI破解癌癥難題，真的有希望嗎？為此全球各國(guó)展開了廣泛的討論。

早在1969年12月9日，時(shí)任美國(guó)總統(tǒng)尼克松曾通過廣告向民眾喊話：“尼克松先生，您可以治愈癌癥?！彪m然自1990年起，美國(guó)癌癥的發(fā)生率和死亡率開始下降，但直到今天，癌癥仍是美國(guó)人的第二大致命殺手，僅次于心臟病。

同樣在英國(guó)，每年死亡人數(shù)中約有四分之一是癌癥引起的。不過癌癥死亡人口的比例卻在下降，過去50年，從1973年的每10萬人約328人降至2023年的每10萬人約252人。

美國(guó)俄亥俄州克利夫蘭醫(yī)學(xué)中心研究人員Alex Adjei指出：“杯子中有一半是水，你認(rèn)為是半滿還是半空，具體要看你的視角，但在抗癌斗爭(zhēng)上，人類取得了實(shí)實(shí)在在可以衡量的進(jìn)展?！?

哈佛大學(xué)癌癥專家Garry Nolan對(duì)AI技術(shù)寄予厚望，他說：“癌癥種類繁多，涉及數(shù)百萬項(xiàng)研究、無數(shù)數(shù)據(jù)點(diǎn)，關(guān)聯(lián)路徑錯(cuò)綜復(fù)雜，單靠一個(gè)人的大腦是無法記住的?！?

雖然AI技術(shù)為人類帶來希望，但我們也不應(yīng)該過度吹捧。Garry Nolan稱：“人工智能將幫助我們攻克癌癥，并實(shí)現(xiàn)許多其他偉大目標(biāo)。但人類必須全程參與，引導(dǎo)問題的提出，解讀答案，這種人機(jī)協(xié)作是真正的力量所在?！?

所以，人類離真正治愈癌癥還有很遠(yuǎn)的距離。幸運(yùn)的是，科學(xué)家們并沒有放棄。

嘗試用AI設(shè)計(jì)抗癌藥物

不久前，人工智能藥物設(shè)計(jì)和研發(fā)公司Isomorphic Labs宣布，由人工智能設(shè)計(jì)的抗癌藥物將首次進(jìn)行人體臨床試驗(yàn)，它或許能為人類找到新的癌癥治療方案。

目前Isomorphic Labs抗癌藥物仍處于研發(fā)階段，即進(jìn)入臨床應(yīng)用前的試驗(yàn)與優(yōu)化環(huán)節(jié)。該實(shí)驗(yàn)室相信，通過持續(xù)提升計(jì)算機(jī)智能水平、結(jié)合臨床研究與數(shù)據(jù)積累，將助力人類逐步解決各類癌癥難題。

該實(shí)驗(yàn)室總裁科林?默多克（Colin Murdoch）表示：“10種進(jìn)入臨床的藥物中，有9種會(huì)失敗，這一數(shù)據(jù)令人擔(dān)憂?！?

傳統(tǒng)藥物研發(fā)周期極為漫長(zhǎng)，往往需要10-15年，耗資數(shù)十億美元，而且失敗率極高。

Isomorphic Labs用到了DeepMind開發(fā)的AlphaFold技術(shù)，該技術(shù)可幫助科研人員更深入地理解蛋白質(zhì)結(jié)構(gòu)。

當(dāng)細(xì)胞正常運(yùn)作時(shí)，其合成的蛋白質(zhì)不會(huì)對(duì)人體造成危害；一旦蛋白質(zhì)發(fā)生變異，可能引發(fā)疾病，癌癥便屬于其中之一。若將致病蛋白質(zhì)類比為“鎖”，藥物就是“鑰匙”，只有二者精準(zhǔn)匹配，才能“打開鎖”（即發(fā)揮治療作用）。

過去，確認(rèn)蛋白質(zhì)結(jié)構(gòu)既費(fèi)時(shí)又費(fèi)力，還耗費(fèi)大量資金；借助AlphaFold技術(shù)，這一過程的時(shí)間可從“數(shù)年”壓縮至“數(shù)分鐘”。

事實(shí)上，不同類型的癌癥差異顯著：它們雖同屬癌癥，但本質(zhì)上可看作是幾百種不同的疾病。對(duì)科學(xué)家而言，既要關(guān)注癌癥的“個(gè)性化”治療需求，也要探索“通用”治療方案。

默多克認(rèn)為：“未來5年，我預(yù)計(jì)新藥設(shè)計(jì)的速度和成功率將大幅提升。當(dāng)然，臨床試驗(yàn)仍需按規(guī)范開展，這需要一定時(shí)間；但在對(duì)疾病核心機(jī)制的認(rèn)知及藥物研發(fā)效率層面，未來5年必將取得突破性進(jìn)展。”

Isomorphic Labs雖成立時(shí)間不長(zhǎng)，志向卻極為遠(yuǎn)大——它希望用AI攻克人類所有病痛。

默多克稱：“目前，我們的核心是研發(fā)能助力藥物設(shè)計(jì)的工具。25年后，我希望能實(shí)現(xiàn)這樣的愿景：幾乎所有類型的癌癥都有對(duì)應(yīng)的治療藥物，能夠有效控制病情、緩解癥狀。那將是一個(gè)無比美好的世界?！?

用AI幫助患者早點(diǎn)發(fā)現(xiàn)癌癥

大型制藥巨頭Pfizer（輝瑞）也在利用數(shù)據(jù)工具研究癌癥，探索創(chuàng)新治療方案。Pfizer腫瘤學(xué)首席官杰夫?萊戈斯（Jeff Legos）擁有20年研究經(jīng)驗(yàn)，他認(rèn)為，AI潛力巨大，能夠從海量數(shù)據(jù)中挖掘人類難以發(fā)現(xiàn)的“獨(dú)特洞察”，這是人類僅憑自身能力無法做到的。

目前，新藥從研發(fā)到上市平均需10年，研發(fā)成本已增至原先的4倍，而整體成功率仍低于10%。正因如此，Pfizer認(rèn)為，AI為“早期發(fā)現(xiàn)”和“早期干預(yù)”提供了關(guān)鍵可能——它堅(jiān)信“時(shí)間就是生命”，對(duì)于等待治療突破的癌癥患者而言，每一天都至關(guān)重要。

當(dāng)患者被確診癌癥時(shí)，往往會(huì)陷入巨大的恐懼。為此，Pfizer開發(fā)了“Health Answers by Pfizer”工具，該工具可向患者提供癌癥領(lǐng)域的實(shí)時(shí)咨詢支持。此外，Pfizer還推出了Scout工具：科學(xué)家通過該工具可同步查閱外部文獻(xiàn)與內(nèi)部實(shí)驗(yàn)數(shù)據(jù)，從海量信息中高效提煉新見解、精準(zhǔn)提出新研究假設(shè)。

當(dāng)醫(yī)生使用新藥物為患者治療時(shí)，需處理復(fù)雜的基因信息與影像學(xué)數(shù)據(jù)；借助AI技術(shù)，醫(yī)生可以提前判斷患者對(duì)特定藥物的反應(yīng)。

Noetik公司同樣聚焦于癌癥治療，其獨(dú)特之處在于：該公司認(rèn)為，要讓藥物在患者身上發(fā)揮理想療效，本質(zhì)上并非單一的分子設(shè)計(jì)問題，而是需要先結(jié)合患者個(gè)體的癌癥生物學(xué)特征，厘清藥物在特定病灶中的作用機(jī)制。

因此，Noetik開發(fā)了“OCTO基礎(chǔ)模型”（OCTO Foundation Model），簡(jiǎn)單來說，就是用人類腫瘤樣本數(shù)據(jù)訓(xùn)練AI系統(tǒng)，幫助模型更深入地理解腫瘤特性。該模型的核心功能之一，便是模擬單個(gè)腫瘤細(xì)胞的生物學(xué)行為。

最初，Noetik的數(shù)據(jù)集主要聚焦于肺癌，收集了數(shù)千份肺癌患者的腫瘤樣本；如今，其數(shù)據(jù)范圍已擴(kuò)展至結(jié)直腸癌、子宮癌、卵巢癌及肉瘤等多個(gè)癌癥領(lǐng)域。

許多AI大語言模型基于互聯(lián)網(wǎng)數(shù)據(jù)訓(xùn)練，但在生物學(xué)領(lǐng)域，互聯(lián)網(wǎng)數(shù)據(jù)顯然不夠全面，所以模型訓(xùn)練都需要準(zhǔn)備高質(zhì)量的生物數(shù)據(jù)。

當(dāng)患者前往醫(yī)院檢查時(shí)，醫(yī)生會(huì)采集其腫瘤樣本，這些樣本正是Noetik數(shù)據(jù)的核心來源。在此基礎(chǔ)上，Noetik會(huì)生成多維度的分析數(shù)據(jù)：首先從組織層面分析蛋白質(zhì)情況，接著深入RNA層面展開研究，最后通過DNA分析確定基因突變的具體情況。

為患者定制AI個(gè)性化癌癥疫苗

實(shí)際上，人體所產(chǎn)生的腫瘤是由癌細(xì)胞、免疫細(xì)胞及基質(zhì)細(xì)胞構(gòu)成的復(fù)雜生態(tài)系統(tǒng)，這些細(xì)胞之間存在動(dòng)態(tài)相互作用。為理解這種復(fù)雜性，需要收集海量數(shù)據(jù)。

只有AI才具備處理海量數(shù)據(jù)的能力，從而揭示數(shù)據(jù)中隱藏的生物學(xué)規(guī)律。例如，基于神經(jīng)網(wǎng)絡(luò)的算法已被應(yīng)用于單細(xì)胞RNA測(cè)序數(shù)據(jù)，用于對(duì)免疫細(xì)胞狀態(tài)進(jìn)行分類，并揭示這些免疫細(xì)胞在肺癌、結(jié)直腸癌、乳腺癌和胰腺癌等癌癥中是如何浸潤(rùn)腫瘤的。

在沒有AI之前，尋找可作為藥物靶點(diǎn)的腫瘤抗原或免疫檢查點(diǎn)相當(dāng)困難；通過AI篩選海量數(shù)據(jù)集，可快速發(fā)現(xiàn)癌細(xì)胞逃避免疫系統(tǒng)的機(jī)制，從而加速這一尋找進(jìn)程。

例如，阿斯利康（AstraZeneca）已與Immunai公司展開合作，利用人工智能免疫建模技術(shù)尋找生物標(biāo)志物，并為腫瘤學(xué)臨床試驗(yàn)中的藥物劑量策略提供指導(dǎo)。

在癌癥免疫學(xué)領(lǐng)域，確定哪些患者能真正從免疫治療中獲益，這是當(dāng)前研究的最大挑戰(zhàn)。

檢查點(diǎn)抑制劑是一種癌癥治療手段，它通過阻斷檢查點(diǎn)蛋白傳遞的信號(hào)，讓T細(xì)胞得以殺傷腫瘤細(xì)胞，從而幫助免疫系統(tǒng)對(duì)抗癌癥。但并非所有患者的腫瘤都會(huì)對(duì)這種治療產(chǎn)生反應(yīng)。

科學(xué)家希望借助醫(yī)學(xué)影像、基因組測(cè)序、免疫特征分析等多維度的復(fù)雜數(shù)據(jù)集，精準(zhǔn)預(yù)測(cè)患者的治療反應(yīng)，進(jìn)而解決這一難題。

未來若AI技術(shù)足夠先進(jìn)，醫(yī)院可根據(jù)患者的腫瘤基因特征開發(fā)“個(gè)性化癌癥疫苗”，這種疫苗能優(yōu)化患者的免疫系統(tǒng)，讓免疫系統(tǒng)識(shí)別腫瘤突變產(chǎn)生的物質(zhì)——即新抗原。

目前，在人工智能的輔助研發(fā)下，個(gè)性化癌癥疫苗已進(jìn)入早期臨床試驗(yàn)階段，相關(guān)成果令人鼓舞。例如，近期針對(duì)肝癌和腎癌患者開展的臨床試驗(yàn)顯示，接種疫苗后患者體內(nèi)產(chǎn)生了強(qiáng)烈的免疫激活反應(yīng)，部分患者的病情甚至實(shí)現(xiàn)了長(zhǎng)期緩解。

相信未來的某一天，隨著人工智能大幅加速疫苗設(shè)計(jì)流程，根據(jù)每位患者的腫瘤基因特征定制癌癥疫苗將不再是夢(mèng)想。（小刀）