科学家开发出人工智能系统，让AI为癌症患者匹配

在癌症疗法的漫长中，每年虽有数十种新疗法进入临床试验，但最终获得FDA批准的却不足4%。核心问题在于我们并不完全理解特定癌症对治疗的反应方式和原因，难以将合适药物与合适患者相匹配。人工智能的崛起为解决这一难题带来曙光。来自美国加州大学圣地亚哥分校医学院的研究团队近期开发了一项革命性的AI系统——DrugCell，该系统有潜力将肿瘤与最佳药物组合进行精准匹配。

DrugCell系统如同一座桥梁，连接着肿瘤与治疗方案。在输入关于肿瘤的数据后，系统会迅速反馈最可能有效的药物、控制药物反应的生物学途径以及最佳的药物组合。这一重要研究成果已在《Cancer cell》杂志上发表。

其背后的技术构建在先前研究的基础上。研究团队先前开发了一个可见神经网络（VNN），能够模拟简单的真核细胞——酿酒酵母对基因突变的反应，预测细胞生长的变化并确定最相关的分子途径。在此基础上，他们创新地构建了名为“DrugCell”的VNN，以模拟人类癌细胞对治疗化合物的反应。DrugCell的独特之处在于，它将模型的内部工作原理与人类细胞生物学的层次结构相结合，从而能够预测任何癌症对任何药物的反应，并设计有效的联合疗法。

细胞对药物的反应是一个复杂的生物化学反应过程，涉及众多生物学和化学因素。为了在模型中捕捉这些因素，研究团队设计了DrugCell为具有两个分支的神经网络。第一个分支是VNN，模拟人类细胞中分子子系统的层次结构；第二个分支是传统的人工神经网络（ANN），嵌入药物的化学结构信息。两个分支的输出合并，通过训练大量真实的肿瘤细胞系对药物的反应数据，产生对特定基因型对治疗的预测反应。

DrugCell经过严格的测试与验证。在模拟真实世界的肿瘤细胞系对药物的反应方面，其预测的准确性高达80%。更重要的是，基于该模型的预测，研究人员能够在患者来源的异种移植肿瘤模型中指导联合治疗，改善无进展生存期，并将ER阳性乳腺癌患者的临床结果分层。

目前，DrugCell已经接受了超过1200种肿瘤细胞系对近700种FDA批准药物和实验性治疗药物的反应的培训，展示了其强大的潜力。尽管研究人员对DrugCell的能力感到惊讶，但他们也强调仍有许多工作要做。他们正在努力将更多的单细胞数据和不同的药物结构纳入模型中，并与临床研究合作，将DrugCell嵌入诊断工具中，并在现实中对其进行前瞻性测试。最终目标是使DrugCell进入诊所，为癌症患者带来福祉。