AI驅動的腫瘤生物標志物發現：機遇與挑戰

摘要：這期跟大家聊一篇剛發在Discover Oncology上的新研究，關于AI驅動的腫瘤生物標志物發現。做腫瘤研究的都懂，找一個靠譜的生物標志物，有多難。傳統方法要么是假說驅動，要么是大海撈針，耗時耗力還不一定能成。這篇文章把AI在標志物發現里的玩法、真實臨床案例、繞不開的坑和倫理問題，全捋明白了。我結合自己做生信的感受，把這些內容拆給大家看，都是能直接用到自己研究里的東西。

為什么我們做腫瘤標志物，繞不開AI了

全球每年因癌癥死亡的人數約1000萬，中低收入國家占了70%。人口老齡化、生活方式的改變，讓癌癥發病率還在往上走。早篩和精準治療的核心，就是腫瘤生物標志物。

傳統的標志物發現，全是假說驅動的。面對基因組、轉錄組、蛋白組這些海量的多組學數據，傳統統計方法，根本抓不住里面隱藏的、非直觀的規律。很多時候篩出來的標志物，換個隊列就不成立了。

AI，尤其是機器學習和深度學習模型，剛好補上了這個短板。它能從高維生物數據里，挖出人眼和傳統方法完全看不到的關聯模式。甚至能把影像、病理、臨床記錄這些多模態數據整合起來，找更穩定、更靠譜的標志物。

還有像PandaOmics這種AI驅動的平臺，直接把多組學數據分析做成了標準化流程。我們實驗室試過，原本要幾個月的靶點篩選工作，用平臺幾周就能跑完，還能找到我們完全沒預判到的關聯。

AI找的標志物，到底在臨床上好用嗎？

AI發現的生物標志物，最直觀的提升，是診斷的靈敏度和特異性。比如乳腺鉬靶、PSA篩查，一直被假陽性、假陰性困擾，要么漏診，要么給患者帶來不必要的穿刺和過度治療。

AI模型能精準鎖定不同癌癥亞型的標志物特征。訓練好的深度學習算法，看病理切片找癌變組織，準確率經常超過資深病理醫生。尤其是肺結節、早期乳腺癌這種小病灶，人眼看花了都不一定能發現，AI幾秒鐘就能定位。

在預后和療效預測上，AI的作用更明顯。尤其是免疫治療，患者的響應差異太大了，臨床上一直缺靠譜的預判指標。AI能找到特定的標志物特征，精準分出哪些患者能從免疫檢查點抑制劑里獲益，不用再讓患者賭運氣。

它還能通過循環腫瘤DNA、RNA的細微變化，提前捕捉到疾病復發或者治療耐藥的信號。比臨床癥狀出現，早了好幾個月，給醫生留足了調整治療方案的時間。

說起來最有落地性的，是影像和分子標志物的整合。AI能把CT、MRI、病理切片里的影像特征，和基因、蛋白的分子改變對應起來。不用反復穿刺，靠一張片子就能預判腫瘤的異質性、惡性程度，甚至靶向藥的響應，這在臨床上太實用了。

給大家看幾個已經落地的真實案例：

• PathAI的AI模型分析乳腺癌病理切片，準確率超過病理醫生，尤其是小的、不明顯的惡性病灶，還能大幅減少良惡性組織的誤判。

• Tempus的AI平臺整合基因組和臨床數據，靠找到的標志物指導治療，臨床試驗里，患者對靶向和免疫治療的響應率有明顯提升。

• Guardant Health的AI液體活檢，靠血液里的ctDNA找結直腸癌的驅動突變，微創不說，還能實時監測患者的治療響應。

坦白講，AI找標志物不是萬能的，最大的坎就是數據。AI模型的上限，完全由訓練數據的質量和規模決定。高質量、多中心、多樣化的數據集，在腫瘤研究里有多難拿，做過的人都懂。

很多罕見癌種，連像樣的隊列數據都湊不齊，模型根本沒法訓練。就算有數據，要是訓練集里的人群太單一，做出來的標志物換個種族、換個地區就失效，反而會加劇醫療差距。

還有繞不開的「黑箱問題」。很多深度學習模型，你只知道它找到了一個標志物，卻不知道它為什么選這個，決策邏輯是什么。腫瘤科醫生要做生死決策，根本不敢信一個說不明白原理的結果。這也是很多AI標志物，論文發了一堆，卻沒法真正走到臨床的核心原因。

更別說倫理和監管的問題了?；颊叩尼t療數據隱私怎么保障？AI找的標志物，要走什么樣的驗證和審批流程，才能合規進臨床？這些問題，現在都還沒有統一的標準答案。

表1 AI方法與傳統方法的簡要對比

我眼里，AI找腫瘤標志物的未來到底在哪

其實我更愿意相信，未來的方向不是AI替代傳統方法，而是兩者互補。比如**可解釋AI（XAI）**的發展，能把模型的決策邏輯拆解開，明明白白告訴醫生，這個標志物為什么有效，權重是多少，直接解決黑箱問題。

還有隱私計算、聯邦學習這些技術的成熟，能讓全球的研究機構共享數據訓練模型，同時不泄露患者的原始隱私數據。這對解決數據不足、人群單一的問題，是根本性的幫助。

AI和單細胞測序、CRISPR這些技術的結合，也有很大的想象空間。能把標志物的發現，從組織層面推到單細胞層面，找到更精準、更早期的腫瘤信號。甚至能從找標志物，直接推進到找治療靶點，形成一個完整的研究閉環。

說起來，AI從來不是給我們一個偷懶的捷徑。它只是給了我們一個更強大的工具，能從海量數據里挖到我們看不到的東西。但最終這個標志物靠不靠譜，還是要靠細胞實驗、動物實驗、臨床試驗一步步去驗證，一步都省不了。

識別微信二維碼，添加生物制品圈小編，符合條件者即可加入

生物制品微信群！

請注明：姓名+研究方向！

本公眾號所有轉載文章系出于傳遞更多信息之目的，且明確注明來源和作者，不希望被轉載的媒體或個人可與我們聯系(cbplib@163.com)，我們將立即進行刪除處理。所有文章僅代表作者觀不本站。