精準醫療 · uk
先在虛擬腫瘤試藥:符號式AI回溯預測乳癌療效,31例中吻合率74%
研究團隊以患者基因資料建立腫瘤「數位分身」,重現既有治療反應,並為反應不完全者提出用藥線索。不過,電腦推演出的改善,還需要前瞻性臨床研究驗證。
當乳癌未如預期對治療產生反應,下一步用藥往往更難選擇。英國研究團隊嘗試讓患者的腫瘤先在電腦裡接受不同治療,看看能否從基因資料中找出新的突破口。這項小型回溯研究提供了初步線索,但尚未證明依照模型建議用藥,能改善患者的實際結果。
倫敦大學學院與劍橋大學合作的研究於10月26日刊登在《Cell Reports Medicine》,聚焦三陰性乳癌。這類腫瘤缺少雌激素受體、黃體素受體與HER2三項常見治療標記,使荷爾蒙療法及針對HER2的藥物難以發揮作用,也增加尋找個別治療弱點的重要性。
團隊採用的是「符號式人工智慧」:透過可檢視的邏輯規則進行推演,讓醫師能追查模型如何得出建議。研究人員利用PARTNER臨床試驗中31名參與者的基因資料,建立對應腫瘤的數位分身,再分別模擬單用化療、化療合併PARP抑制劑olaparib,以及不治療的情境。
將模擬結果與試驗中的實際治療反應比較後,模型在74%的病例中做出相符預測。這個數字描述的是31例資料內的預測表現,不能解讀為治療成功率,也尚不足以代表模型在其他醫院或不同患者群體中的準確程度。
接著,研究人員把焦點轉向13名治療反應不完全的患者。模型為其中12人找出至少一種可能改善結果的額外標靶治療;進一步模擬甚至預測,其中10人可能達到乳房與淋巴結均無侵襲性癌症殘留的反應程度。然而,這些都是電腦產生的治療假說,並非患者實際接受追加治療後的觀察結果。
模型的推理能被檢查,可能有助於醫師評估建議是否合理。研究團隊也指出,即使電腦提出某項用藥,醫師仍可能因毒性等因素排除該選項。可解釋性提供了討論與修正的空間,卻不能單靠這一點確保療效或安全。
這項工作的價值,在於把既有治療反應與可能的替代策略放進同一套可追問的推演流程。下一步仍須以前瞻性研究,檢驗模型能否在治療開始前可靠預測結果,以及依其建議選藥是否真正帶來臨床益處;在此之前,數位分身較適合作為研究與治療討論的線索。