癌症领域的人工智能热潮：变革者还是炒作？ - AI与医疗健康

人工智能在生物技术和肿瘤学领域的前景广阔。最近，人工智能在医疗行业的应用出现了一些市场调整的迹象，使我们开始怀疑是否正处于一个即将破裂的人工智能泡沫中。然而，我们采访的专家们缓解了我们的担忧，他们认为这种现象主要是由于对技术的期望过高与其实际贡献之间的不匹配所致。但具体到肿瘤学领域的人工智能呢？

“人工智能不仅仅是一个流行词，它是一种革命性的元素，改变了我们对癌症诊断、治疗个性化和药物发现的方法。这是一个令人兴奋的时代，能够参与技术与医疗保健的交汇点。”Ghazenfer Mansoor说道，他是Technology Rivers的创始人兼首席执行官（CEO）。

将人工智能整合到肿瘤学中不仅仅是加快流程的问题，而是改变我们如何理解、检测和治疗这一世界上最复杂的疾病之一。我们之前在2019年探讨过人工智能在癌症治疗中的潜力，暗示其将在早期诊断和药物发现中发挥重要作用。自那时以来，该领域已经取得了显著的增长和新进展，正如我们在2023年初所讨论的那样。然而，随着最近的突破和人工智能的新应用，现在是重新审视这一话题的最佳时机，全面了解人工智能如何在今天改变癌症护理。

人工智能在癌症检测中是否有所作为？

Mark Foundation for Cancer Research的首席执行官Ryan Schoenfeld表示，人工智能在肿瘤学领域最大的进步是在诊断方面，特别是在放射学中，高级图像分析正在改变我们检测和诊断癌症的方式。“人工智能现在可以更快、更准确地分析扫描结果，帮助医生更早发现癌症。”他说。

Analog Informatics的创始人兼总裁Philip Lieberman对Schoenfeld的观点进行了补充。他认为，从技术上讲，人工智能在放射学和皮肤病学诊断中的准确性略低于训练有素的技术人员。然而，他指出，人工智能比人类更一致，能够看到人类无法察觉的细节。

“对于技术人员和那些没有技术人员的地区（如农村和第三世界国家），这种技术非常有用。它可以显著降低保险公司的成本，同时改善那些无法负担或等待技术人员解读影像的患者的治疗效果。”Lieberman解释道。

除了诊断，Yunu的联合创始人兼首席执行官Jeffery Sorenson认为，人工智能的应用范围正扩展到预测医学。“目前最有潜力的应用是利用人工智能帮助筛选医疗保健中的混乱数据源，高效地将患者分组并理解复杂的数据集。有趣的是，我们似乎跳过了以诊断为目标的阶段，而在预测分析方面取得了巨大进展，旨在确定哪些患者最有可能对各种治疗方案产生反应。”

人工智能在这一领域每天都在取得进展。最近，梅奥诊所的研究人员开发了一种新的基于假设驱动的人工智能工具，旨在改变癌症诊断和治疗个性化。这一创新围绕着一类新的AI系统展开，该系统能够处理复杂的、非结构化的医疗数据（如临床笔记、放射学扫描和基因组数据），从而提高癌症诊断的准确性并预测患者预后。该工具可以识别传统诊断方法常常忽略的患者数据模式，最终提高早期癌症检测和治疗策略的精确性。

梅奥诊所的AI系统的一个主要优势是其能够比传统方法更快、更准确地处理放射学图像。该AI可以检测癌组织中的细微异常，从而实现更早的癌症检测。

除了诊断，梅奥诊所的AI系统还增强了预测分析，提供更好的患者治疗反应理解。这在肿瘤学中尤为重要，因为治疗结果可能因肿瘤特征和患者遗传因素而大不相同。人工智能还在推动液体活检技术的发展，该技术允许通过血液样本非侵入性地检测癌症生物标志物。最近的进展表明，这些活检的敏感性和准确性都有所提高，尤其是在检测循环肿瘤DNA（ctDNA）方面。一个突出的例子是由威尔康奈尔医学院领导的一项研究，该研究利用人工智能提高了通过检测血液中的肿瘤DNA来识别癌症复发的能力。这种新的AI驱动的液体活检方法，称为MRD-EDGE，能够在传统方法之前几个月甚至几年检测到癌症复发。该方法在肺癌、结直肠癌和乳腺癌等癌症中表现出成功。

此外，约翰霍普金斯大学的研究人员开发了DELFI-Pro液体活检测试，该测试结合了人工智能和无细胞DNA分析，用于筛查卵巢癌。该测试能够以更高的准确性检测早期卵巢癌，几乎没有假阳性。

尽早诊断癌症对患者的治疗路径至关重要，但这并不是人工智能唯一的亮点——药物发现也是人工智能在肿瘤学中的另一项重要贡献。

人工智能在癌症药物发现和开发中的潜力

药物发现可能是我们在想到生物技术行业的人工智能时首先想到的领域。传统上，药物发现是一个漫长的过程，但人工智能已经能够通过分析复杂的生物数据、发现新的药物靶点甚至重新利用现有药物来简化这一过程。

“人工智能和机器学习正在加速癌症治疗的药物发现和开发。例如，DeepMind的AlphaFold已经改变了我们研究疾病相关蛋白质的方式，加快了新治疗靶点的识别速度。”Schoenfeld说。

确实，AlphaFold在药物发现方面，特别是在肿瘤学中，产生了深远的影响。其基于人工智能的系统可以准确预测蛋白质的三维结构，以识别潜在的药物靶点。蛋白质结构通常难以用传统方法解决，这可能需要数年时间。然而，AlphaFold大幅缩短了这一时间线。例如，在2022年，它预测了超过2亿个蛋白质的结构，为研究人员提供了大量数据，用于在癌症和其他疾病中寻找可药物化靶点。

AlphaFold的开源数据库向研究社区开放，进一步加速了这一过程，使全球研究人员能够将这些数据纳入他们的药物发现项目中。

目前，已有几种通过人工智能发现或优化的药物进入肿瘤学管线。一个突出的例子是BBO-8520，这是一种针对KRAS突变的抗癌药物，由劳伦斯利弗莫尔国家实验室（LLNL）、弗雷德里克国家实验室和BridgeBio合作开发。通过人工智能驱动的模拟和先进的计算平台，该药物在3年内进入临床试验，现已进入一期试验。

另一个例子是Exscientia，这是一家利用人工智能开发新型肿瘤治疗方法的药物发现公司。该公司的AI驱动平台可以预测新的小分子并识别有效的药物候选物，其速度远超传统方法。2021年，《自然》杂志报道，Evotec宣布了一项与AI药物发现公司合作开发的肿瘤候选药物的一期临床试验。虽然传统的药物发现过程通常需要4到5年的时间，但Evotec和Exscientia仅用了8个月就完成了这一过程。候选药物EXS-21546于2022年进入二期试验。

Mansoor还指出，人工智能还可以实现药物再利用。类似于GLP-1激动剂（最初用于糖尿病）吸引了第二波投资和批准用于肥胖症的情况，已批准的药物也可能通过人工智能找到新的肿瘤学适应症。TxGNN（哈佛医学院设计的一种AI模型）可以识别已知疾病机制与未知条件之间的联系。在癌症治疗的背景下，这意味着人工智能可以帮助发现最初为一种癌症或其他疾病开发的药物对其他癌症的有效性。但患者各不相同，癌症治疗往往需要针对个体情况进行调整，人工智能也可以在这方面发挥作用。

向AI精准肿瘤学迈进

人工智能分析大量数据集的能力，包括患者基因组、临床历史和肿瘤特征，可以实现高度个性化的治疗计划，量身定制以满足每个患者的需求。这有望超越传统的“一刀切”治疗方法。

威廉姆斯癌症研究所介入肿瘤学和免疫疗法主任Jason Williams认为，尽管我们尚未完全实现这一目标，但它对未来充满希望。“人工智能将能够汇总患者的所有数据，包括癌症的基因组、肠道微生物组、肿瘤基因组、放射学影像和细胞因子谱。通过这些数据，它将预测最佳治疗方案，这些方案不仅包括标准批准的药物，还包括补充剂、标签外药物和实验性药物。”

正如Sorenson所说，癌症不是单一的疾病，而是数百种不同的变异——不仅是癌症本身的变异，还有患者的基因型变异。人工智能是什么呢？不就是一种计算多种可能性的工具吗？就像现在人工智能用于发明新的蛋白质结构和发现基因特征一样，我们现在能够将患者的基因组与新的药物分子匹配，甚至制造出适合每种癌症的基因改造疗法，就像定制的拼图块一样。

黄等人（2018年）的研究展示了人工智能在基于基因组预测化疗反应方面的前景，该研究基于175名癌症患者的基因组数据训练了一个机器学习模型。这种方法的一个关键好处是，靶向治疗能够专门针对特定类型的癌细胞，从而避免一些常见的毒性问题。

最近，牛津大学2024年6月发表的一项研究表明，其基于人工智能的方法可以更有效地定制癌症疗法，特别是预防患者复发。研究人员应用深度强化学习（DRL）形式的人工智能，创建了前列腺癌患者的自适应治疗计划。该AI分析了数学模型的数据，模拟个别患者的癌症对不同治疗的反应。结果显示，新的AI驱动治疗计划将复发时间延长了一倍以上，这对容易出现药物耐药性的转移性癌症至关重要。AI模型不仅提供了个性化的治疗计划，还提供了临床医生可以解释的见解，这是将AI整合到医疗实践中的一个关键挑战。

也许更具体的是，Evaxion Biotech最近在2024年欧洲医学肿瘤学会（ESMO）大会上展示了其EVX-01个性化癌症疫苗的一年期二期试验数据。该试验结合了EVX-01和Keytruda（pembrolizumab）治疗晚期黑色素瘤患者，显示出令人印象深刻的结果。主要成果包括69%的总体反应率（ORR），16名患者中有15名的肿瘤大小减少，以及79%的免疫原性率，证明Evaxion的AI平台准确预测了哪些新抗原会触发免疫反应。尽管对人工智能的期望可能稍高，但肿瘤学已经开始看到一些非常具体的AI贡献。人工智能要达到其在癌症治疗中的全部潜力还需要时间，但我们将走在正确的道路上。

面临的挑战

虽然传统的医疗设备和治疗方法有明确的监管框架，但人工智能驱动的工具并不总是能很好地适应这些框架。欧盟委员会正在制定法规，如AI责任指令，适用于“高风险AI系统”，如医疗保健中使用的系统。然而，这些法规如何实施仍存在不确定性，尤其是在AI模型在部署后不断演变的情况下，引发了问责和责任问题。

在美国，食品药品监督管理局（FDA）的AI/ML行动计划为基于AI的医疗设备提供了一些指导，但承认需要更好的国际合作，以确保在肿瘤学中安全部署AI系统。这一监管环境仍在变化中，AI工具的开发者需要应对不断变化的要求，这可能会减缓采用的速度。

尽管为确保人工智能的安全性制定框架很重要，但Mansoor指出，监管可能跟不上创新的步伐。“我认为监管机构需要制定促进创新的框架。我们需要能够跟上快速技术进步的法规，以便充分利用人工智能在癌症治疗中的潜力。”

除了框架本身，人工智能是一个相对复杂且在某种程度上不透明的工具。确实，这项技术的目的是优化，尽管人类创造了它，但即使是AI专家也常常难以理解AI是如何得出结论的。Supertruth的联合创始人Jason Alan Snyder指出，目前有很多关于人工智能作为“黑箱”的讨论。“最大的障碍之一是确保AI模型的可解释性和透明度。如果我们希望AI能够被完全信任并整合到癌症护理中，监管机构必须围绕数据透明度和算法问责制定更明确的标准。”

人工智能模型中还存在伦理问题，如偏见。如果AI系统接受的是代表性不足的数据训练，它们可能导致有偏见的治疗建议，从而不利于某些群体。例如，主要基于西方人口数据训练的AI模型可能在其他种族背景的患者中表现不佳。

这些问题在未来几年需要得到解决，尤其是随着人工智能的快速发展，我们采访的专家们对人工智能在肿瘤学中带来的前景充满期待。

最好的还在后面

尽管我们在诊断、药物发现和个性化治疗方面已经取得了显著进展，但未来十年可能会带来更加变革性的变化。

据Schoenfeld称，我们才刚刚开始挖掘人工智能在肿瘤学中的潜力，他认为三个领域特别有前景：

预测免疫反应：“人工智能将能够在结构水平上预测哪些独特的T细胞受体将与特定抗原结合。这可能彻底改变癌症免疫疗法，扩大细胞疗法和其他治疗手段的适用范围。”
设计蛋白质：“人工智能使我们能够对关键蛋白质（如细胞因子）进行设计突变，将其转化为治疗剂。这些工程蛋白质可以与免疫疗法结合，形成高度个性化的治疗计划。”
大型语言模型用于预测分析：“与之前的Watson（IBM的Watson曾被大力推广为癌症诊断和治疗的革命性工具，但最终未能在临床实践中达到其高期望）不同，大型语言模型（LLM）有潜力彻底改变临床记录分析，最终实现人工智能在理解和预测患者预后方面的承诺。”

在Snyder看来，肿瘤学的未来在于人工智能与生物学的交汇。“我们正处于利用生物计算直接处理生物信号的边缘，这将使我们能够根据患者身体的实时数据做出实时治疗决策。这是一个游戏规则的改变者。下一波创新将来自将人工智能与生物系统的集成，推动我们进入一个更加个性化、精确和预测性的医学时代。能够有意义地结合这些技术的公司将是值得关注的。”

Sorenson则更倾向于调整期望值，他认为卫生系统无法承受我们迄今为止尝试实施的人工智能创新的成本。“我认为最成功的肿瘤学AI公司将是那些与药物和设备开发商密切合作的公司。与制药相关的投资有不同的风险配置，因为新分子的高失败率和新技术成为标准护理路径上的缓慢采用。然而，制药相关技术投资的经济回报预计将超过提供方一侧的低预算和分散系统。”

当然，我不得不问最著名的AI——ChatGPT，它是否认为人工智能会治愈癌症。它的回答是：“我很荣幸你这么看待我，但治愈癌症是一项团队工作。人工智能将在诊断、治疗和疗法发现中发挥重要作用，但我们仍然需要人类和生物学来完成这项任务。”所以，看起来人工智能也在追求适度的期望。

与癌症相关的新技术包括：