[CNMO科技消息]AI进入日常生活的速度有目共睹，而在医学领域，它带来的变化可能更值得关注。研究者如今能借助AI在十年前难以想象的细节层面理解癌症：不再对同一类癌症的所有患者使用同样的方案，而是转向基于每个人肿瘤独特基因构成的治疗。

AI示意图

今年10月，莫德纳与默沙东公布了一款在研个性化癌症疫苗的三期临床结果。该疫苗与免疫治疗药物可瑞达（Keytruda）联用时，相比单用可瑞达，把黑色素瘤复发或死亡的相对风险降低了42%。需要说明的是，这款疫苗尚未获得FDA批准，试验本身也不能证明是生成式AI发明了这种疗法，但结果确实展示了个性化癌症医疗能达到什么程度。

AI同时也在处理另一半难题：同样的诊断，两个人对同一种药物的反应可能相差很远，因为癌症并非单一疾病，看起来相似的肿瘤也可能携带不同突变。近六个月的一项研究显示，研究者已能越来越多地考察特定患者肿瘤的生物学特征，而不只依赖从数千名患者身上总结的规律。美国国家癌症研究所的PERCEPTION工具就是一例，它分析单个癌细胞内的基因活动，预测某些药物是否可能起效。这一点很关键——肿瘤内部往往存在不同的细胞群，药物可能只杀死其中一部分，剩下的细胞会让癌症复发或产生耐药。

在药物发现端，谷歌DeepMind的AlphaFold提供了另一条路径。蛋白质决定细胞如何运作，也牵涉癌症的发生与扩散，弄清其三维结构有助于判断潜在药物会怎样与之结合。过去这项工作可能要在实验室里耗上数年，AlphaFold能在几分钟内给出大量结构预测，DeepMind已向全球研究者开放超过2亿个蛋白质结构。这并不等于它能自动造出安全有效的抗癌药，预测结果仍需实验和患者层面的验证，但它能收窄候选范围，为早期研发省下时间。

以黑色素瘤疫苗intismeranautogene为例，它依据患者肿瘤中的基因突变设计，这些突变帮助定位免疫系统可以识别并记住的癌症特异蛋白。三期试验纳入1137名已手术切除黑色素瘤的患者，据纪念斯隆-凯特琳癌症中心数据，两年时接种疫苗联合可瑞达的一组有82%未出现复发，单用可瑞达的一组为70%。

从发现一个有希望的疗法到患者真正用上，中间仍有距离。AI找到的靶点或做出的疗效预测都需要验证，临床试验不可替代；基因检测费用、专业机构可及性，以及AI系统在不同患者群体中是否稳定可靠，也都是现实障碍。但方向已经比较清楚：AI正在给科学家提供研究癌症、锁定药物靶点、判断哪种治疗更适合哪位患者的新工具，目标不是取代肿瘤科医生，而是让医生手里有更充分的信息和更多选择。