奥尔文·马洪博士一直对科学充满热情。她在都柏林三一学院获得了神经科学学士学位、免疫学硕士学位和免疫学与组织工程博士学位。
在她的研究中，她对跨学科研究产生了兴趣，特别是在免疫学与生物医学工程的交叉领域。在她的博士期间，她研究了骨科植入材料的免疫反应，并开发了用于骨骼再生的免疫调节支架。
她获得了爱尔兰研究委员会的博士后奖学金，在利默里克大学（University of Limerick, UL）的健康研究所工作，开发了3D癌症模型，并应用空间多组学来研究细胞外基质和免疫相互作用。随后，她成为UL的高级研究员，并在达纳-法伯癌症研究所担任富布赖特访问研究员，研究CRISPR-Cas基因编辑的泌尿系统癌症仿生3D模型。
通过最近获得的玛丽·居里全球奖学金，她将在哥伦比亚大学继续这项工作，使用多器官芯片系统研究癌症转移。
“我被这种研究吸引是因为希望通过跨学科的系统方法更好地理解复杂疾病，”马洪告诉SiliconRepublic.com。“膀胱癌和其他泌尿系统癌症特别具有挑战性，复发率高，转移潜力大，治疗选择有限。我看到了结合我的免疫学和组织工程背景来开发这些疾病的更具代表性的模型的机会。”
马洪开始开发3D癌症模型，以更准确地表示泌尿系统癌症，如膀胱癌。“与传统的2D细胞培养（平板培养皿中的细胞）不同，我们的3D模型使癌细胞能够生长并以一种更接近体内肿瘤发展和行为的方式相互作用，”马洪说。
她解释说，3D模型有助于他们了解肿瘤的行为及其与周围环境的相互作用。由于这些模型是用患者特定的细胞构建的，因此它们提供了一个“更个性化和临床相关”的平台，用于测试疗法和研究肿瘤行为。“我们还使用CRISPR-Cas基因编辑来研究癌症生长和存活的遗传驱动因素，帮助发现新的治疗靶点。”
棘手的研究
使用如此先进的技术来研究这些癌症，人们不禁要问为什么这些泌尿系统癌症如此难以研究和治疗。
马洪表示，对于转移性泌尿系统癌症，由于疾病的复杂性、转移部位的多样性以及现有疗法的局限性，研究变得非常棘手。“当癌症扩散到肺、骨或肝等远处器官时，控制起来就变得更加困难，”她说。“每个部位都有独特的肿瘤微环境，影响癌细胞的生长和对治疗的反应。这些肿瘤还可以改变其特性，使其更难被靶向或隐藏于免疫系统。”
更复杂的是，根据马洪的说法，患者的变异性很高，细胞中可能发生额外的基因变化，使它们对治疗产生抗药性，这在个体之间差异显著。“这种复杂性使得很难预测每名患者的转移性肿瘤对疗法的反应。此外，专门针对这些耐药群体的疗法很少，”她说。“我们对转移和耐药性的理解仍然有限，因此这是一个关键的研究领域。”
最近，马洪在纽约哥伦比亚大学欧文医学中心开始了新的职位，作为玛丽·居里研究学者，她将继续研究使用先进的器官芯片系统来研究癌症转移。她打算使用这些系统来模拟转移性膀胱癌，特别是骨转移。她说，这些微工程平台旨在“在一个生理相关的微环境中再现膀胱癌细胞与骨组织之间的动态相互作用”。
“这种方法允许实时研究癌症细胞迁移、侵袭和骨定植的机制，这是膀胱癌的一个转移部位，”她解释说。“该模型的复杂性在于它能够同时模拟原发肿瘤部位和转移生态位的独特生物学和机械特性。”
此外，马洪还将性别特异性维度纳入模型，因为膀胱癌的进展和治疗反应在男性和女性之间“存在显著差异”。“激素影响和性别相关的分子途径可以改变肿瘤行为和治疗效果，因此在设计更准确和个性化的治疗策略时，考虑性别作为一个生物学变量是至关重要的。”
转化问题
在如此重要且改变生命的癌症研究中，从实验室到现实世界的过渡往往很困难。马洪表示，将基于实验室的研究转化为实际临床应用的最大挑战之一是在学术研究、医院和患者之间建立联系。
“虽然实验室研究可能产生有希望的结果，但将这些创新引入临床实践需要在研究人员、医疗服务提供者和大量多样化患者群体之间建立联系，以便进行测试。如果没有这些联系，很难在实际条件下验证新疗法和模型，”她说。“建立这种网络需要大规模的协同努力，确保与医院协议的一致性，并确保安全、合乎伦理地访问大量多样化的患者队列。”
她解释说，在爱尔兰，正在进行一些解决这一挑战的举措，包括整合来自不同数据点的健康数据，开发互操作系统以改善数据共享，并创建框架以促进研究人员和临床团队之间的“有意义的合作”。
然而，这不是一个小任务，因为链接数据集需要考虑诸如患者隐私和维护数据质量和安全性等问题。“这些举措对于克服将研究转化为临床实践的障碍至关重要，”她说。“更好的数据连接和合作将促进临床试验招募和长期结果跟踪的效率，这通常是转化研究的主要瓶颈。没有这种基础设施和研究与临床医生之间的合作，即使是最有前景的科学进展也可能停留在实验室中。”
学科融合
随着工程学和数据科学等不同概念和学科越来越多地融入癌症诊断和治疗中，我们询问马洪对未来癌症研究的展望。
“工程学的进步使我们能够开发出更能准确代表肿瘤微环境的创新3D组织模型和微流控设备。与此同时，分子和细胞生物学的突破加深了我们对肿瘤异质性、治疗耐药性和肿瘤微环境的理解，这对于设计更有针对性的干预措施至关重要，”她补充道。
“未来，我们可以期待越来越集成的平台，结合患者来源的生物数据和实时临床输入，提供适应性、数据驱动的治疗计划。”进一步地说，马洪预见人工智能（AI）将在健康研究中发挥“越来越具变革性”的作用。
马洪认为，AI分析大型复杂数据集的能力——包括医学影像、电子健康记录、基因组测序和实时患者监测——超出了“传统”分析方法。“在肿瘤学领域，该领域正迅速转向数据驱动的个体化治疗策略，AI正在成为精准医学的关键工具，”她说。“机器学习模型可能能够根据分子特征对患者进行分层，指示治疗疗效的可能性，甚至在出现之前预测耐药机制。这不仅使更准确、个性化的治疗计划成为可能，还加速了靶向疗法的开发。”
“随着患者数据的复杂性和数量不断增加，AI将成为将这些见解转化为有意义的临床结果的关键。”
然而，马洪强调，AI“应被视为一种补充人类专业知识的强大工具，而不是替代它”。“真正的影响力将来自于将AI谨慎地整合到多学科团队中，它可以在其中支持、增强和加速科学和临床决策，而研究人员和临床医生则提供关键的解释和背景。”
(全文结束)
