当AI遇到癌症疗法 “癌症=感冒”不是梦

AI对于癌症疗法怎样给药也起到关键性作用。最大耐受剂量(MTD)可消灭对药物敏感的肿瘤细胞，但是耐药细胞最终会导致治疗失败。针对这个挑战探索了博弈论，用剂量减少算法与肿瘤竞争，以防止耐药细胞数量超出药物敏感细胞。这被称为适应性疗法(adaptive therapy)，并且通过维持肿瘤中敏感细胞的阈值以对抗耐药细胞的增殖，可能会延长治疗效果。适应性疗法近期被用来修改用于治疗小鼠模型的紫杉醇剂量。在观察到肿瘤尺寸减小后，一种适应性疗法算法(AT-1)反复减少紫杉醇剂量。AT-1被与一种在观察到肿瘤减小后停止给药的固定剂量算法(AT-2)和高剂量标准疗法相比较。与AT-2和标准疗法相比，AT-1算法改善了控制和生存，证明博弈论驱动剂量相比已建立的高剂量疗法能够改善治疗结构(图表3)。

适应性疗法(图表4)被转化用于一项针对接受阿比特龙激素疗法的前列腺癌患者的预备试验。适应性疗法队列平均接受47%标准阿比特龙剂量，还有3名患者接受低于25%传统剂量。在报告的时间，11名适应性疗法参与者中有1名出现进展。这指示在这个队列中，使用生物标记物前列腺特异性抗原(PSA)和放射性成像估计中位进展时间不少于27个月，优于使用连续阿比特龙疗法的11.1个月(PSA)和16.5个月(放射影像)。为最大化这个平台的获益，将可能需要使用根据每位患者对疗法的反应的个性化适应性疗法，而不是基于人群的剂量调整规则。

5、AI用于个性化疗法

为进一步个性化用AI给药的患者特异组合疗法，一个神经网络衍生平台CURATE.AI利用二阶代数算法，动态关联最佳肿瘤减小的剂量和在任何治疗时间点的安全性，仅使用单个患者的数据即可调整多药剂量。在一名接受恩杂鲁胺激素疗法和一款在研含溴域和额外终端域(BET)抑制剂的患者中，诸如医生指导剂量变化和相应的PSA量的数据被用于推荐减少50%的BET抑制剂剂量来增加疗效。随后两种药的动态剂量产生了持久的响应，并经CT影像确认停止了肿瘤进展。该研究成功地使用AI来调整经验疗法剂量，证明与固定和高剂量化疗相比，剂量指导不需要和复杂的基因组信息，即显着增强了治疗效果。未来研究将需要评估这个平台是否能够用额外种类的疾病标记物来实施。而且，因为这个平台的个体化性质，还需要在较大的患者队列中进一步评估。因此，该平台正在一项涉及大量血液恶性患者的中测试(NCT03759093)。

6、结语

AI代表了通向下一个癌症疗法前沿的途径，将超量的不同类型的数据整合成可操作的治疗。其部署的障碍之一是其在癌症治疗工作流程的狭窄段的孤立使用。例如，AI优化的化合物与其他疗法非最优组合或剂量不对不太可能实质性地改善患者结果。克服肿瘤的挑战将要求在发现、开发和使用全流程无缝实施AI。潜在的下游应用包括通过整合多种治疗策略的定制方案，增加个性化护理的解决。例如，维持稳定的肿瘤尺寸控制的AI优化放疗剂量，能潜在地与其他AI驱动的药物应用相结合。最终，将AI全面适用到临床实践可以改善药物可及性并减少健康护理成本。随着AI不断被验证和广泛实践的路径被确定，它重定义癌症疗法临床标准的潜力正在变得愈加明显。AI加持下的癌症疗法，将如虎添翼，使人类走上彻底征服癌症的快车道，将来“癌症=感冒”不是梦！(100yiyao.com）