大家都看到了, 人工智能进入日常生活的速度非常快, 而在医学这一个领域方面, 它所带来的变化也许更值得我们重点关注。
当前的研究人员能够借助于人工智能技术在一种在十年前人们都很难想象得到的那种细微的细节层面上去理解癌症疾病, 他们现在不再会对属于同一个种类癌症的所有患者去采用一模一样的治疗方案了, 而是开始转向那种建立在每一个人的肿瘤所具备的独一无二的基因结构基础之上的治疗手段。
AI示意图
在今年10月的时候, 莫德纳还有默沙东这两个公司一起公布了一款正在研究和开发过程中的个性化癌症疫苗, 那个疫苗的临床试验已经到了第三期阶段。
结果显示, 如果把这个疫苗和免疫治疗的药物可瑞达结合起来使用的话, 相比于单独只使用可瑞达这种药而言, 能够让患者出现黑色素瘤复发或者死亡的相对风险降低百分之四十二。
需要把这个事情说清楚, 就是这个疫苗还没有拿到那个FDA发的批准证书, 而且这个试验搞出来也不能直接证明就是那个生成式的人工智能这东西发明了这种治疗方法, 但是从这个结果来看的话, 它确实让人看明白了那种根据个人的情况来对付癌症的医疗手段到底能够做到什么样的厉害程度。
人工智能目前还在着手解决另外一半难题, 情况是这样的, 同一个诊断结果下, 两个患者如果使用同一种药物, 他们的身体反应可能会存在极其巨大的差异, 产生这种差异的根本原因在于, 癌症本身并不是什么单一的、死板的疾病类型, 即便是在外观形态上看起来一模一样的肿瘤组织, 它们体内所携带的基因突变类型也可能完全不一样, 在最近六个月时间里进行的一项相关研究给出了明确的信号, 研究人员现在有能力去对单个患者的具体肿瘤生物特性进行更多更深入的考察, 他们不再需要只依靠从成千上万其他患者那里总结出来的普遍规律来行事。
作为一例来说, 美国国家癌症研究所所使用的PERCEPTION工具, 会去分析单个癌细胞内部的基因活动状况, 从而来预测某些药物是不是有可能产生效果。
这一点是非常关键的, 因为肿瘤内部经常会出现不一样的细胞群体, 药物可能只会杀灭其中的一部分, 而没有被杀死的剩余细胞, 会造成癌症复发或者会导致耐药现象的发生。
在药物发现这一环节, 谷歌旗下的DeepMind所推出的AlphaFold模型提供了一条全新的解决思路。因为蛋白质是决定细胞如何进行各项生命活动的关键因素, 同时也与癌症产生以及扩散的过程存在密切联系。
因此, 如果能够搞清楚地了解这类物质的三维空间结构形式, 就有助于分析出来某种潜在的药物分子究竟会以怎样的方式同其发生结合反应。过去这项工作可能要在实验室里耗上数年。AlphaFold能在几分钟内给出大量结构预测。DeepMind已向全球研究者开放超过2亿个蛋白质结构。
这并不等于它能自动造出安全有效的抗癌药。预测结果仍需实验和患者层面的验证。但它能收窄候选范围。它为早期研发省下时间。
我们以黑色素瘤疫苗intismeran autogene这个例子来看。它是根据患者肿瘤里面的基因突变来进行设计的。这些基因突变能够帮助定位那些癌症特有的蛋白质。这种蛋白质的作用是, 让免疫系统能够识别它并且记住它。在一项三期临床试验中, 总共纳入了1137名已经通过手术切除了黑色素瘤的患者。
根据纪念斯隆-凯特琳癌症中心提供的数据情况是这样的。当时间到达两年的时候的情况是。把疫苗接种和可瑞达联合使用的那一组人里, 有82%的人没有出现复发的现象。只单独使用可瑞达的那一组人, 其中的复发控制比例是70%。
从发现一个有希望的疗法到患者真正用上, 中间还是有距离的。AI找到的或者做出的疗效预测都需要验证, 临床试验是替代不了的。还有基因检测费用、专业机构可及性, 以及AI系统在不同患者群体中是否稳定可靠, 都是现实障碍。
但是方向目前已经变得比较清晰, 人工智能正在为科学家提供全新的研究工具, 让科学家能够开展对癌症的研究, 能够锁定药物的靶点, 能够判断出哪一种治疗手段更为适合某一位特定的患者, 其目标并不意图去取代肿瘤科医生, 而是致力于让医生手中掌握更加充分的信息内容以及拥有更多样化的选择方案。
