談癌色變，這已經(jīng)是整個世界的問題?，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？為此全球各國展開了廣泛的討論。

早在1969年12月9日，時任美國總統(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。”雖然自1990年起，美國癌癥的發(fā)生率和死亡率開始下降，但直到今天，癌癥仍是美國人的第二大致命殺手，僅次于心臟病。

同樣在英國，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。

美國俄亥俄州克利夫蘭醫(yī)學中心研究人員Alex Adjei指出：“杯子中有一半是水，你認為是半滿還是半空，具體要看你的視角，但在抗癌斗爭上，人類取得了實實在在可以衡量的進展?！?

哈佛大學癌癥專家Garry Nolan對AI技術寄予厚望，他說：“癌癥種類繁多，涉及數(shù)百萬項研究、無數(shù)數(shù)據(jù)點，關聯(lián)路徑錯綜復雜，單靠一個人的大腦是無法記住的。”

雖然AI技術為人類帶來希望，但我們也不應該過度吹捧。Garry Nolan稱：“人工智能將幫助我們攻克癌癥，并實現(xiàn)許多其他偉大目標。但人類必須全程參與，引導問題的提出，解讀答案，這種人機協(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的距離。幸運的是，科學家們并沒有放棄。

嘗試用AI設計抗癌藥物

不久前，人工智能藥物設計和研發(fā)公司Isomorphic Labs宣布，由人工智能設計的抗癌藥物將首次進行人體臨床試驗，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，即進入臨床應用前的試驗與優(yōu)化環(huán)節(jié)。該實驗室相信，通過持續(xù)提升計算機智能水平、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。

該實驗室總裁科林?默多克（Colin Murdoch）表示：“10種進入臨床的藥物中，有9種會失敗，這一數(shù)據(jù)令人擔憂。”

傳統(tǒng)藥物研發(fā)周期極為漫長，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，該技術可幫助科研人員更深入地理解蛋白質(zhì)結(jié)構。

當細胞正常運作時，其合成的蛋白質(zhì)不會對人體造成危害；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”，只有二者精準匹配，才能“打開鎖”（即發(fā)揮治療作用）。

過去，確認蛋白質(zhì)結(jié)構既費時又費力，還耗費大量資金；借助AlphaFold技術，這一過程的時間可從“數(shù)年”壓縮至“數(shù)分鐘”。

事實上，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。對科學家而言，既要關注癌癥的“個性化”治療需求，也要探索“通用”治療方案。

默多克認為：“未來5年，我預計新藥設計的速度和成功率將大幅提升。當然，臨床試驗仍需按規(guī)范開展，這需要一定時間；但在對疾病核心機制的認知及藥物研發(fā)效率層面，未來5年必將取得突破性進展?！?

Isomorphic Labs雖成立時間不長，志向卻極為遠大——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)能助力藥物設計的工具。25年后，我希望能實現(xiàn)這樣的愿景：幾乎所有類型的癌癥都有對應的治療藥物，能夠有效控制病情、緩解癥狀。那將是一個無比美好的世界?！?

用AI幫助患者早點發(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腫瘤學首席官杰夫?萊戈斯（Jeff Legos）擁有20年研究經(jīng)驗，他認為，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認為，AI為“早期發(fā)現(xiàn)”和“早期干預”提供了關鍵可能——它堅信“時間就是生命”，對于等待治療突破的癌癥患者而言，每一天都至關重要。

當患者被確診癌癥時，往往會陷入巨大的恐懼。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域的實時咨詢支持。此外，Pfizer還推出了Scout工具：科學家通過該工具可同步查閱外部文獻與內(nèi)部實驗數(shù)據(jù)，從海量信息中高效提煉新見解、精準提出新研究假設。

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

Noetik公司同樣聚焦于癌癥治療，其獨特之處在于：該公司認為，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計問題，而是需要先結(jié)合患者個體的癌癥生物學特征，厘清藥物在特定病灶中的作用機制。

因此，Noetik開發(fā)了“OCTO基礎模型”（OCTO Foundation Model），簡單來說，就是用人類腫瘤樣本數(shù)據(jù)訓練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，便是模擬單個腫瘤細胞的生物學行為。

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)范圍已擴展至結(jié)直腸癌、子宮癌、卵巢癌及肉瘤等多個癌癥領域。

許多AI大語言模型基于互聯(lián)網(wǎng)數(shù)據(jù)訓練，但在生物學領域，互聯(lián)網(wǎng)數(shù)據(jù)顯然不夠全面，所以模型訓練都需要準備高質(zhì)量的生物數(shù)據(jù)。

當患者前往醫(yī)院檢查時，醫(yī)生會采集其腫瘤樣本，這些樣本正是Noetik數(shù)據(jù)的核心來源。在此基礎上，Noetik會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個性化癌癥疫苗

實際上，人體所產(chǎn)生的腫瘤是由癌細胞、免疫細胞及基質(zhì)細胞構成的復雜生態(tài)系統(tǒng)，這些細胞之間存在動態(tài)相互作用。為理解這種復雜性，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)中隱藏的生物學規(guī)律。例如，基于神經(jīng)網(wǎng)絡的算法已被應用于單細胞RNA測序數(shù)據(jù)，用于對免疫細胞狀態(tài)進行分類，并揭示這些免疫細胞在肺癌、結(jié)直腸癌、乳腺癌和胰腺癌等癌癥中是如何浸潤腫瘤的。

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

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尋找生物標志物，并為腫瘤學臨床試驗中的藥物劑量策略提供指導。

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

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

科學家希望借助醫(yī)學影像、基因組測序、免疫特征分析等多維度的復雜數(shù)據(jù)集，精準預測患者的治療反應，進而解決這一難題。

未來若AI技術足夠先進，醫(yī)院可根據(jù)患者的腫瘤基因特征開發(fā)“個性化癌癥疫苗”，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，個性化癌癥疫苗已進入早期臨床試驗階段，相關成果令人鼓舞。例如，近期針對肝癌和腎癌患者開展的臨床試驗顯示，接種疫苗后患者體內(nèi)產(chǎn)生了強烈的免疫激活反應，部分患者的病情甚至實現(xiàn)了長期緩解。

相信未來的某一天，隨著人工智能大幅加速疫苗設計流程，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想。（小刀）