200年前，著名科學家拉普拉斯曾提出，如果一個“惡魔”知道現(xiàn)在宇宙中每一個原子的確切位置和動量，就能精確計算出它們未來的狀態(tài)，也就能完美地預測未來，這個惡魔被稱為拉普拉斯妖。然而，量子力學和混沌理論的存在，扼殺拉普拉斯妖的誕生。
不過，雖然完美的拉普拉斯妖不可能存在，但我們卻能制造出預測自身疾病的“水晶球”。
slayingevil.com
最近，斯坦福大學科學家開發(fā)了這樣一個水晶球，叫“連續(xù)個體化風險指標”模型，這個模型能根據(jù)一些實時的檢測指標，準確預測癌癥病人12-60個月內(nèi)的進展風險。并且還能指導病人采取最合適的治療方法。
目前，該模型已在彌漫性大B細胞淋巴瘤、慢性淋巴細胞白血病以及乳腺癌中取得了良好的效果，相信它能極大地推動精準醫(yī)療的發(fā)展。相關(guān)研究發(fā)表在頂級學術(shù)期刊《細胞》上，論文的第一作者的是David M. Kurtz博士，通訊作者是Ash A. Alizadeh教授[1]。
圖片來自斯坦福大學官網(wǎng)
對于很多身患重病的人來說，準確預測長期可能出現(xiàn)的結(jié)果，是一件生死攸關(guān)的大事。
因為這關(guān)系到什么時候治，怎么治的問題。
此外，由于癌癥異質(zhì)性的存在，不同患者或同一患者不同的時期，疾病狀態(tài)都會不同，長期結(jié)果也會有差異，需要不同的應對措施[2]。
因此，只有準確判斷不同患者在不同時刻的預后，才能進行精確的治療，以使患者獲益最大化，這才是精準醫(yī)療的意義所在。
不過，要對每個患者都做到個性化治療，可不是一件簡單的事。一方面，要對每個患者都能準確判斷其預后；另一方面，還需有一個適用于大多數(shù)患者的通用預測工具，不然成本將無比高昂。
要同時滿足這兩個條件，才能達到精準醫(yī)療時代的要求。
目前，科學家們已經(jīng)發(fā)現(xiàn)了很多風險因子，能對患者的預后做出一定的預測，例如可以對患者進行危險分級，以及預測藥物的治療效果等等[3]。
不過，這些風險因子預測的準確性、適用范圍以及長期效果，都有很大的局限，離精準醫(yī)療的要求，還相去甚遠。
怎么辦呢？既然單個風險因子不行，那就把它們聯(lián)合起來使用。
Alizadeh團隊的研究人員收集之前11個研究中2500名彌漫性大B細胞淋巴瘤患者的數(shù)據(jù)，選取了幾個之前預測效果不錯的風險因子，包括國際預后指數(shù)（IPI）、分子標志、影像組學特征、ctDNA、微小殘留病變（MDR），分別在患者治療前、治療中和治療結(jié)束后的不同時期獲得這些數(shù)據(jù)，通過貝葉斯公式，建立了一個“連續(xù)個體化風險指標”模型。
模型構(gòu)建流程
研究人員用這個模型來預測患者的預后，并用已知的預后結(jié)果，對模型進行反饋和修正，最后得到一個修正好的模型。
他們用一個隊列對這個模型進行了檢驗，讓其預測患者24個月的無事件生存率（EFS）情況，發(fā)現(xiàn)曲線下面積達到0.81。用該模型預測患者24個月的總生存率時，效果更好，曲線下面積達到了0.86。
這個模型不只是對24個月內(nèi)的預測有效，分別讓其預測患者12-18-24-30-36個月的EFS，發(fā)現(xiàn)曲線下面積都穩(wěn)定在0.8以上，可見這個模型對彌漫性大B細胞淋巴瘤患者長期風險的預測，具有相當?shù)姆€(wěn)定性。
隨后，研究人員又在其他癌種里測試了該“水晶球”的預言能力。
他們用慢性淋巴細胞白血病患者的參數(shù)調(diào)整了該模型，用其預測患者36個月內(nèi)無進展生存率和總生存率，發(fā)現(xiàn)曲線下面積也在0.8左右。
這個預言球在乳腺癌中的表現(xiàn)更加驚人。對接受新輔助治療的乳腺癌患者12-60個月內(nèi)，臨床終點的預測，曲線下面積都在0.80以上。并且，還能分辨出哪些患者的遠端復發(fā)風險更高！這有助于患者及時發(fā)現(xiàn)和預防。
預測癌癥患者的轉(zhuǎn)移風險
此外，“水晶球”的能力不止在于預測患者的風險，還能指導用藥。
在調(diào)整了模型后，研究人員發(fā)現(xiàn)，該模型還能分辨出哪些慢性淋巴細胞白血病患者，更能夠從FCR（氟達拉濱 環(huán)磷酰胺 利妥昔單抗）療法中獲益；哪些乳腺癌患者，更適合新輔助化療或HER2雙靶向（曲妥珠單抗 帕妥珠單抗）治療。
從這些結(jié)果看，這個模型的預測能力可以說是相當強大。
而這個強大的基于貝葉斯公式的模型還很好建立，相比機器學習算法，一方面，它不需要用海量的數(shù)據(jù)進行訓練，只需用已經(jīng)發(fā)現(xiàn)的幾個風險因子便可建立；另一方面它相對簡單，更易于升級。
當然，也必須承認，目前該模型預測的準確率還有提升的空間，這是需要繼續(xù)改進的地方。
不過，無論如何，這個簡單而強大的模型，對于癌癥精準醫(yī)療的發(fā)展具有重要的推動意義。
編輯神叨叨
能預測我什么時候頭發(fā)掉完嗎。。。。
參考資料：
[1] David M. Kurtz et al. Dynamic Risk Profiling Using Serial Tumor Biomarkers for Personalized Outcome Prediction. Cell, 2019, 178, 1–15. Doi.org/10.1016/j.cell.2019.06.011.
[2] Bedard, P.L., Hansen, A.R., Ratain, M.J., and Siu, L.L. Tumour heterogeneity in the clinic. Nature,2019, 501, 355–364.
[3] Lynch, T.J., Bell, D.W., Sordella, R., Gurubhagavatula, S., Okimoto, R.A., Brannigan, B.W., Harris, P.L., Haserlat, S.M., Supko, J.G., Haluska, F.G., et al. Activating mutations in the epidermal growth factor receptor underlying responsiveness of non-small-cell lung cancer to gefitinib. N. Engl. J. Med. 2004, 350, 2129–2139
本文作者 | 低溫藝術(shù)家
