征服癌癥，“算法”發力了

癌癥，作為一種嚴重威脅人類健康的疾病，至今仍是醫學界的重大挑戰之一。傳統的癌癥治療方法如手術、化療和放療，雖取得了一定的成效，但仍存在諸多局限性，如副作用大、效果不穩定等。在這樣的背景下，人工智能技術被寄予厚望，人們希望它能為癌癥患者帶來新的治療途徑和可能性。

撥開癌癥迷霧

目前，人工智能技術在癌癥的早期診斷和篩查方面發揮著重要作用，甚至那些難以確定起源的癌癥，也在人工智能的幫助下逐漸揭開了神秘的面紗。

皮膚癌是最難診斷的癌癥之一，且時常被患者當成痣來處理。在此背景下，奧地利維也納醫科大學皮膚病學的臨床醫師團隊研發出兩種診斷皮膚癌的人工智能軟件：一種新的7級人工智能算法和國際皮膚成像合作組織（ISIC）人工智能算法。

在可疑皮膚癌病變的診斷中，7級人工智能算法的診斷準確性與臨床專家相當；ISIC人工智能算法的表現雖不如專家，但優于經驗較少的醫生。而在治療決策方面，兩種軟件都明顯不如專家，但優于經驗較少的醫生。因此目前來看，人工智能應當作為醫生診斷和決策的輔助工具來使用。

大多數情況，癌癥是按照其原發部位的器官命名。然而仍有3%—5%的癌癥患者，由于醫生難以確定癌癥的具體起源，被歸類為原發病灶不明癌。無法確認癌癥起源，就沒辦法為病人提供適宜的個性化治療，更難以做到精準用藥，影響治療效果。

針對這種情況，美國麻省理工學院研究團隊研發出一種人工智能軟件OncoNPC來確認癌癥的具體起源。這個軟件采用了22種癌癥類型的36445個腫瘤的靶向下一代測序數據，對人工智能軟件進行訓練。

首先，OncoNPC被用于對約7000個腫瘤進行測試，這些腫瘤的起源位置是已知的。結果顯示，OncoNPC對這些有明確起源的癌癥再次測試時，平均準確率高達80%，對于高可信度預測的腫瘤測試準確率更是高達95%。這表明，該人工智能軟件與臨床診斷有高度的吻合。

基于此結論，研究人員又用OncoNPC測試971例原發病灶不明癌患者的基因序列，以預測這些癌癥的起源。結合臨床指標數據，研究團隊發現，對于其中41.2%的原發病灶不明癌患者，AI模型能夠確認其原發部位，比如是在肝臟還是肌肉。

之后，研究團隊將OncoNPC的預測與現有數據中對腫瘤子集種系或遺傳突變分析進行比較，可以揭示患者是否具有遺傳易感性。結果顯示，OncoNPC能準確預測生殖系統癌癥及其遺傳易感性。此外，它還能較準確地預測原發病灶不明癌患者的生存時間。

OncoNPC的另一個重要作用是，可以指導原發病灶不明癌患者的治療方案。在接受靶向治療的原發病灶不明癌患者中，那些與OncoNPC預測的癌癥類型一致的患者，治療預后表現得更好。而且，進行預測后，可以讓更多患者根據基因組治療（精準治療），解決了因無法鑒定腫瘤起源，最終接受常規化療藥物而療效不顯著的問題。

研發中的意外收獲

西班牙國家癌癥研究中心研發了一種人工智能模型，可以追蹤癌細胞是如何在大腦轉移并影響大腦功能的。更重要的是，他們在檢測中得到了一個結論：癌癥的腦轉移對大腦認知功能的影響不僅和腫瘤惡化的程度相關，也在于當腫瘤在大腦中擴散轉移時，會改變大腦的化學物質，并破壞神經元之間的交流，由此產生嚴重癥狀和死亡。

在此之前，研究團隊測量了患癌小鼠的腦電活動模型，發現兩組患癌小鼠的電生理記錄存在差異。為了確認這種差異是由腫瘤轉移引起的，他們轉向利用人工智能來檢測。研究人員使用大量的電生理技術訓練了一個可進行自動算法的人工智能模型，以識別癌癥腦轉移的存在，甚至區分不同原發癌癥的轉移。

檢測表明，腫瘤的腦轉移確實會以特定的方式影響大腦生物電活動，并留下清晰和可識別的特征。研究團隊除了記錄腫瘤轉移存在時腦電活動的變化外，還進一步探索了可能解釋這種變化的生物化學變化。通過分析受影響組織中表達的基因，他們發現了一個名為EGR1的基因，或在癌癥的腦轉移中發生了突變，從而影響到腦電波的活動。這也為未來的腫瘤藥物研發，以及減輕癌癥的腦轉移對大腦認知的影響提供了線索。

人們患癌時，體內的免疫細胞會攻擊癌細胞。但當免疫細胞不能正確識別癌細胞和正常細胞時，就會出現自身免疫紊亂。這時，身體里的免疫檢查點分子就會發揮作用，防止自身組織受到攻擊。然而，癌細胞往往也會利用這些免疫檢查點分子來躲避免疫細胞的攻擊。

過去的癌癥免疫療法側重于提高免疫系統對癌細胞的攻擊力，但癌細胞會抑制免疫功能并阻止免疫細胞的攻擊。因此，癌癥治療又產生了新療法，即免疫檢查點抑制劑療法，這是一種通過解除癌細胞對免疫細胞的“剎車”，再次激活免疫細胞功能的治療方法。

由于遺傳和環境因素的差異，以及患者腫瘤特征的多樣性，免疫檢查點抑制劑對不到三分之一的患者有療效，所以檢測免疫檢查點抑制劑對患者是否有效，成為整個治療方案最為重要的一步。這時，人工智能的優勢顯露無遺——韓國研究團隊建立一種人工智能模型，通過訓練細胞內的蛋白相互作用來預測免疫癌癥療法的療效。

這種人工智能模型分析了700名黑色素瘤、胃癌、肺癌和膀胱癌患者的樣本，表現出極高的準確性。而且，人工智能模型還成功地識別了與免疫檢查點抑制劑的反應性和抵抗性有關的關鍵分子通信路徑，并精確定位了負責這些相互作用的細胞，為更好地利用免疫療法治療癌癥提供了新的方式。

雖然目前，人工智能在癌癥治療中已經體現了巨大的潛力，但如同其他領域的人工智能一樣，還都不完美，需要繼續改進和發展。更為重要的是，即便人工智能再強大、再精準，它也只是一種工具，需要在醫生和研究人員的操控、指揮下進行，才能發揮更好的作用。