赴美就醫：海外醫療科學家怎樣解密癌癥大數據

赴美就醫機構愛諾美康了解到：由于成像領域、模型研究以及遺傳學研究的進展，如今大量的數據已源源不斷地涌入癌癥研究者的手上，并且臨床試驗中來自單一患者腫瘤的相關數據量已將近1TB了，這些數據信息量相當于13萬本書的內容。

但如今，海外醫療研究者仍然缺乏工具來有效處理這些大量的遺傳數據從而為療法的開發進行精準地預測，而治療癌癥似乎依然是研究者未來的一個終極目標。目前研究者并不能準確預測特定的腫瘤如何對任何給定的藥物產生反應，以及患者如何進行治療，是否癌細胞能夠不斷進化從而使得療法失效等等問題。

赴美就醫機構愛諾美康獲悉：來自美國能源部和國家癌癥研究所進行聯合研究來抵御癌癥，在一項為期三年的研究計劃中，研究人員就利用了美國能源部的超級計算功能構建了復雜的計算機模型，從而就能夠在分子、病人以及群體水平上來研究抵御癌癥的策略。這項研究計劃基于美國總統奧巴馬提出的精準醫療計劃以及副總統近日提出的癌癥探月計劃，的確研究者的目的是針對個體不同的狀況實現個體化的診斷和癌癥治療。Warren Kibbe說道，癌癥研究者們非常擅長通過基因組數據、蛋白質組數據以及成像數據得出多種類型的數據，但我們并不擅長如何將這些信息數據進行整合，使其成為一種一致性的模型，并且有效預測腫瘤是否會對既定的療法產生反應。

CANDLE

合作的關鍵在于計算機框架，其名為“癌癥分布式學習環境計劃 CANDLE”（CANcer Distributed Learning Environment）。過去很多年里，海外醫療科學家們進行了多項研究計劃，評估了大量的癌癥研究數據，其中包括腫瘤的基因組、病人的數據以及多項潛在藥物的臨床數據等，CANDLE的設計就是利用機器學習算法來在大型數據庫中尋找合適的模式，機器的學習就是一類人工智能，其重點關注于那些能夠教授我們處理數據的一些程序，這些模式或許終就能夠幫助改善患者的療法或指導科學家進行新的實驗。

截止到目前為止，赴美就醫機構愛諾美康了解到，很多機器學習相關的研究都產生了新型的計算機模型，來在單一的數據點評估藥物的的反應，然而研究者們想象到了一個更高程度的復雜性并且整合了多種類型的信息，比如藥物反應和患者譜系特殊性等。

分子水平上的研究

30%的癌癥都表現出了Ras家族的突變，Ras蛋白家族能夠幫助誘導細胞機器制造新型細胞或殺滅老細胞。海外醫療研究者Lawrence Livermore就進行的是分子水平上的試點研究，他利用CANDLE架構來預測Ras蛋白家族蛋白如何在細胞膜上發揮作用，隨后他將相關信息加入到了Ras通路問題的研究上，Ras通路問題會導致基因停留在“開啟”的位置從而引發腫瘤。

海外醫療研究者們想進行高度復雜性的模擬，來描述細胞膜上蛋白質如何移動以及如何結合到特殊位點。他們希望將這些信息能夠應用于數百萬個Ras通路上，并且明顯增強他們的理解，從而預測單一信號在疾病發生過程中的作用。

病人水平上

赴美就醫機構愛諾美康介紹：癌癥往往包含著成百上千種疾病，每一種都有著不同的發病原因，因此對于特殊患者而言將精準化引入到療法選擇中或許就是研究者在病人水平上進行研究的終極目的。在CANDLE平臺的幫助下，研究人員開發了新型的預測模型，其基于更廣泛的多種數據能夠引導針對不同腫瘤的療法選擇。

Kibbe說道，研究者們或許會去嘗試尋找特殊腫瘤逃脫療法獲產生耐藥性的機制。從概念上而言，未來的癌癥療法或許是不斷改進變化的，如今我們并不理解癌癥對于任何特殊療法所產生的耐藥性對于預測組合性療法效果的生物學意義，但我認為，模擬將能夠幫助我們更好地預測組合性療法對特殊患者的有效性及重要性。

群體水平上

在任何一個時間點，3%至5%的癌癥患者都會參與到癌癥臨床試驗中，而且對患者研究數據的分析編目也仍然是一項非常巨大的手工任務；赴美就醫機構愛諾美康了解到：美國橡樹嶺國家實驗室（Oak Ridge）就將幫助國家癌癥研究所的研究者，通過自動化的樣品讀取及分析過程來監測癌癥患者的變化，通過將自然的語言處理及機器學習算法應用到數百萬份臨床報告中，計算機就會從醫生和護士筆記本的信息中提取出有效的東西進行加工。加工完成后系統就會自動分析并且提取相關信息，以便海外醫療科學家們監測遍布的結果，隨后就能指導不同生活方式、環境以及癌癥類型的患者進行治療；檔案在進行群體水平的試點研究之前研究者們必須對數據進行去識別化操作。

下一步怎么做

赴美就醫機構愛諾美康認為：在接下來3年里，美國國家癌癥研究所及能源部的研究者將會進行一項巨大任務，對此研究者們是有計劃的。

首先第一年，他們想重點關注合并統計學模型并且構建機器學習方法，來對現象進行好地解釋和預測。第二年，海外醫療科學家將會利用計算機進行推斷他們對這些預測結果的自信程度。第三年研究者們將會把所有的信息相結合，同時整合后進行試驗性設計分析。Stevens表示，此刻我們處于一種特殊的階段，如今在政府部門間出現了一些讓人難以置信的談話，關于如何整合大數據以及信息來理解疾病的發病機制等信息，如果我們能夠理解突變、正常生物學過程以及癌癥之間的相互作用，那么我們或許就有望對疾病進行干預或預測。

海外醫療研究者Stevens已經從事了將近20年的計算生物學領域研究，他表示如今他們面臨了很多問題，而且他們也并不確定如果他們真的那樣做會帶來什么后果，但如今癌癥探月計劃給他們帶來了動力，研究者認為，隨著后期深入的研究以及多種信息的整合，未來或許有望早期破解癌癥大數據，從而為開發新型個體化癌癥療法提供新的思路和希望。關鍵詞：赴美就醫，赴美就醫機構，海外醫療

赴美就醫流程，赴美就醫如何辦理_詳詢愛諾美康