随着靶向癌症疗法的数量不断增加，医生们也面临着越来越多的决策挑战。目前，南卡罗来纳医科大学（MUSC）Hollings癌症中心正在进行一项人工智能（AI）计划，旨在为肿瘤科医生提供针对个别患者的定制化治疗选择。Hollings癌症中心精准医学主任Thai Ho博士正在领导这一努力。他将这一过程比作使用GPS导航应用来选择路线。
“我认为AI的一个重要用途是帮助我们整合大量信息，”他说，“但最终，做出最终决定的是项目负责人。例如，如果你从家出发前往Publix超市，然后查看各种建议路线，你可以叠加自己的知识，比如你知道Lockwood Drive会积水，因此你会选择一条不需要经过Lockwood Drive的路线。”
同样，这项AI计划基于对患者肿瘤的基因组测试结果，为医生提供选择。肿瘤像人一样，具有独特的基因组特征，或基因组合。不同的突变可能导致肿瘤表面出现不同的蛋白质或受体，研究人员正越来越多地开发针对这些特定目标的药物。
“最终做出决定的是患者和医生，而不是AI。”Thai Ho博士说。
除了这些目标外，肿瘤之间还可能有其他分子差异，使得某种药物更有可能或不太可能起效。当多种基因突变同时发生时，癌症变得更加复杂，这使得确定哪种突变是肿瘤生长的关键驱动因素变得非常困难。Ho表示，该计划目前的重点是识别具有缺陷DNA修复机制的肿瘤。“我们正在使用基于AI的方法来识别这些肿瘤，这有助于我们判断这种肿瘤是否可能对那些压力DNA修复机制的药物更加敏感。”他们还将Hollings治疗的患者的结果反馈到AI程序中，以进一步丰富其知识库和建议。
通过观察那些对药物反应远超预期或远低于预期的患者，可以进一步优化治疗建议。“我们只关注那些异常值，看看在患者之间，哪些人反应良好，哪些人没有反应。关键差异是什么？然后我们会调整AI算法，以进一步提高其准确性。”Ho说。
尽管AI算法仍在不断完善中，但推荐给患者的药物并不是。只有已经在标准治疗范围内可用的药物才会被推荐。“我们的想法是在标准治疗范围内的选项中帮助做出更好的决策，而不是绕过已知有效的药物。”他说。医生可以将AI信息纳入他们的整体决策中，这还需要考虑患者的其他医疗状况和个人对潜在副作用或治疗所需时间的偏好。
“我们会与患者讨论，但有时药物并不适合患者。”他说，“我认为这有点像本田和丰田的区别，对吧？你仍然可以从A点到达B点，但有些人可能有某些偏好，我们会尽量使其适应他们的生活方式和个人偏好。最终做出决定的是患者和医生，而不是AI。”
Ho的团队通过检测在活检或手术中取出的肿瘤样本获得基因组信息。这项测试是在常规肿瘤测试之外进行的，并且仅限于那些对额外信息感兴趣的医生选择参与。在Hollings内部进行分析，Ho表示，这可以为患者增加一层对信息隐私的信心。重要的是，这也意味着可以在低成本的基础上进行测试。“不到5%的患者自付费用超过100美元，我认为这一点很重要，因为患者需要知道他们自己要承担多少费用。”他说，“我们的患者已经面临因旅行成本、医疗费用和远离亲人而产生的经济负担。”
到目前为止，这项新计划已经测试了约30名患者的肿瘤，但他们已经开始看到成果。“我们有一名患者已经在接受化疗，我们发现他的肿瘤可能对用于卵巢癌和前列腺癌的PARP抑制剂药物敏感。”Ho说，“我们让他改用口服药物，结果他的生活质量大大提高，同时也控制住了肿瘤。”
展望未来，Ho希望利用这种AI技术将更多患者匹配到临床试验中。“这些AI算法可以识别MUSC系统中的患者，甚至超出查尔斯顿地区。我们可以联系医生，告诉他们‘我们不知道您处于治疗过程的哪个阶段，但我们有Hollings的临床试验，您的患者符合条件。’”他说，“这通常是基因组驱动的，因此我们在寻找特别罕见的突变或医生认为不可治疗的突变——但我们有试验。”
最终，团队希望将其肿瘤委员会——由医疗肿瘤学家、放射肿瘤学家、病理学家、护士导航员等组成的团队共同审查病例并达成共识意见——开放给任何曾在MUSC接受过治疗的南卡罗来纳州医生。“未来，我们希望鼓励外部医生提交他们的患者病例到我们的肿瘤委员会，如果他们的患者已经在MUSC系统内，以便更好地服务查尔斯顿以外地区的患者。”他说。
(全文结束)
