← 返回首頁

追殺癌症幹細胞如何避開正常組織?新綜述提出AI選靶路徑

癌症幹細胞的標記可能隨治療改變,也可能出現在健康細胞上。一篇新綜述將AI設計CAR辨識元件放回這道生物學難題:受體做得出來,還須證明能安全辨認真正該清除的細胞。

By SURL BioNews

癌症治療最棘手的問題之一,是腫瘤縮小後,仍可能留下能讓疾病捲土重來的細胞。若要讓免疫細胞追擊這些具有幹細胞特性的癌細胞,辨識必須足夠精準:某些候選標記同樣存在於正常幹細胞或前驅細胞,攻擊腫瘤的能力,也可能成為傷害健康組織的來源。

11月4日刊於《Clinical Cancer Bulletin》的綜述,由Visula Abeysuriya、Sachintha N. Alwis與Vasitha Abeysuriya撰寫,提出結合單細胞分析、多體學資料、靶點篩選與電腦輔助CAR結合元件設計的研究路徑。Bioengineer.org選載、以Scienmag為新聞來源的報導介紹了這項構想;其核心是如何同時處理抗藥性與安全性,而非宣布一款已證實有效的新療法。

癌症幹細胞也不能簡單視為一群掛著固定標籤的細胞。它們的狀態與表面抗原可能隨環境和治療壓力改變,讓原本可被辨認的細胞逃離攻擊。綜述因此主張,選靶不能只看腫瘤中哪個標記較多,還要比較不同細胞狀態及正常組織中的表現,評估清除癌細胞與保護健康細胞之間是否有足夠空間。

AI在這條路徑上有兩種不同任務:一是整合單細胞與多體學資料,協助尋找較具腫瘤選擇性的抗原;二是設計CAR的抗原結合部分,讓工程化免疫細胞能辨認目標。前者回答「應該攻擊誰」,後者處理「如何辨認」。即使辨識元件的設計成功,也不能直接推論靶點本身足夠安全。

作者特別提醒,現有AI設計CAR的研究,尚未證明能針對CD133、CD44、EpCAM或CD123,達成經驗證的癌症幹細胞特異性辨識。這些候選標記與正常細胞的重疊,正是必須跨越的門檻。已有的受體工程成果提供了技術依據,卻仍不足以證明能在患者體內安全清除具有腫瘤再生能力的細胞。

報導也提到以AI持續追蹤治療期間的變化,以及建立CAR-T「數位分身」的可能性:透過更新患者資料,模擬腫瘤與免疫細胞的互動,探索抗藥性如何形成。不過,這些仍是發展中的概念,尚未成為可據以調整癌症幹細胞治療的成熟臨床工具。

這篇綜述描繪的是一套待驗證的研究框架。目前多數應用仍停留在計算或臨床前階段,前瞻性臨床效益尚未確立。要讓AI選出的靶點真正進入治療,研究者仍須用實驗與臨床資料回答同一個問題:它是否能在追上癌細胞變化的同時,留下足夠可靠的安全界線?

References

  1. Bioengineer.org
  2. Clinical Cancer Bulletin
  3. Scienmag