- 科技報導
文章專區
2020-11-15DrugCell用人工智慧篩選癌症治療藥物
467 期
Author 作者
林承勳
（Needpix.com）
美國加州大學聖地亞哥分校醫學與癌症治療中心（University of California San Diego School of Medicine and Moores Cancer Center）教授兼癌細胞圖譜計劃與國家網路生物學資源中心主任伊德克（Trey Ideker），日前與研究團隊結合其他神經網路技術，研發一款名為DrugCell的人工智慧（artificial intelligence, AI）系統，不僅能預測藥物的療效與合適性，更能進一步檢視系統運算的過程。此技術發表於近期《癌細胞》（Cancer Cell）期刊。
為治療癌症所開發的藥物中，僅有約4％的比例最後能獲得美國食品藥物管理局（U.S. Food and Drug Administration, FDA）的核可。對此伊德克解釋，如此低的通過率是因為當前的科技還無法準確地對症下藥，尤其面對機制複雜又獨特的人體腫瘤細胞，更不容易預測哪些藥物能發揮最好的療效。
「雖然目前許多AI系統的確擁有相當的預測能力，可惜處理過程撲朔迷離，就像是一個個『黑盒子』。」伊德克於科學媒體EurekAlert!如此回應。
基於安全考量，AI除了得具備準確的預測能力，還要有透明、公開的篩選過程，才能實際應用在醫療照護上。經由酵母菌細胞基因與突變資料所研發的人工智慧系統，最新版本的「DrugCell」，已在1235種癌細胞株與684種FDA核准藥物的交叉組合（即超過50萬種癌細胞株對藥物的反應結果）訓練下完成機器學習。只要輸入腫瘤的相關數據，就能同時得到癌細胞對已知藥物的反應途徑，以及最有效的藥物組合等資訊。
此外，DrugCell的設計模組還結合了可視化神經網路（Visible Neural Network, VNN）與較傳統的人工神經網路（Artificial Neural Network, ANN），其中，VNN的二元編碼方式，是藉著網路中層層分階的「神經元」來模擬細胞中各層級子系統的訊號傳遞。像細胞基因突變後，系統會由最基本的DNA改變開始，再往蛋白質等較大結構的分子來模擬可能的發展，接著是胞器如粒線體（mitochondria）、高基氏體（Golgi apparatus）等結構，一路到細胞層級和規模更大、更複雜的生理反應。
藉由這種分層運算的神經網路架構，研究員將基因型與藥物的資料輸入DrugCell後，得到預測結果的同時也可以檢視系統在過程中是如何模擬與運算。除了細胞株實驗，研究團隊進一步用DrugCell來預測體外人源化腫瘤異種移殖（Patient-Derived Xenograft,PDX）模型對藥物的反應，結果評估的有效藥物確實讓腫瘤無惡化存活期（Progression-Free Survival,PFS）有顯著的延長；至於在雌激素受體陽性轉移性乳癌（Estrogen Receptor Positive Metastatic Breast Cancer）治療藥物對病人的合適性預測上，相比其他方法也有更高的成功率。
DrugCell開發的終極目標是能夠用在臨床，並讓病患得到更精準、更高品質的醫療。不過，伊德克與其研究團隊認為還有很大的努力空間。「1200多種的癌症細胞株數據是好的開始，但這些尚不足以涵蓋癌症細胞的異質性（heterogeneity），我們會持續加入更多細胞資訊與不同藥物結構。」伊德克也期待不久之後能與臨床研究合作，實際讓DrugCell成為一種診斷工具。
新聞來源
1. Brent M. Kuenzi et al., Predicting Drug Response and Synergy Using a Deep Learning Model of Human Cancer Cells, Cancer Cell, 2020.
2. DrugCell: New experimental AI platform matches tumor to best drug combo, ErekAlert!, 2020.