EN
EN
您所在位置:俄罗斯专享会資訊 > 資訊詳情
謝維:精準醫療2030,機遇與挑戰
2021-09-15

科學突破和技術進步,特別是人類基因組計劃完成所引發的係列組學的思想與方法論的變革,提高了人們對疾病的認識,改變了疾病診斷和治療方法,從而為每個患者提供更精確、更有預測性、更預防性和更個性化的醫療服務。大數據革命為應用人工智能和機器學習算法,挖掘如此龐大的與人類健康、疾病相關的數據集提供了機會。由此推動的個性化醫療有望徹底改變醫療保健體係與人們的生活方式,能在正確的時間、用合適的手段為明確的患者提供對症的治療,從而提高生活質量、降低社會醫療負擔。COVID-19疫情爆發,更助推了生物技術、大數據等新興技術的整合,進展令人鼓舞!未來十年,以精準醫療(PM)為核心的各項新技術、新思想的高度集成,將使人類醫療保健領域的生態產生根本性的變革!科學、技術、產業與醫療都麵臨巨大的機遇與挑戰。

 

生物技術與大數據助力疫情防控

COVID-19疫情爆發後,基因組學和分子技術成為確定病原體、開發診斷和治療方法以及創建候選疫苗的關鍵。快速分析得到的病例報告,迅速暴露出COVID-19可引起患者的巨大健康差異,突顯獲得對影響健康的社會決定因素(SDOH)有更詳細了解的重要性。大型機構基於醫療保健數據迅速構建了龐大的數據庫,用於快速調查風險因素和結果,證明了整合醫療保健數據的強大功能。在這場波及全球的疫情中,從現有研究隊列中收集數據可以進行快速基因組分析,確定與疾病易感性和患者預後相關的基因位點。應對COVID-19疫情的許多工作都是基於PM的基本要素。COVID-19疫情,已經突顯了PM需要走得更遠、更快。

 

精準醫療“用數據說話”

精準醫療,即根據每個病人的個體特征對醫療方法進行調整,以將個體劃分為不同的亞群,這些亞群因其對特定疾病的易感性或對特定治療的反應而不同。特定的預防或治療幹預可以集中在那些有效人群,避免無效病人承受經濟負擔和不必要的治療損傷。

2003年人類基因組測序完成以來,臨床醫生一直期望以數據驅動醫療保健領域的變革。分子和表型研究的新發現將帶來更精確的診斷,更合理的治療和更有效的疾病預防,或將催生基於基因序列或分子的、更精準的“人類疾病新分類法”。在醫療保健體係中,用於患者分類的個體特征信息數據有以下幾種類型:

1)傳統的臨床表型與家族病史。這類信息是在臨床環境中為每個病人例行記錄的。

2)患者特異的固有特征(遺傳組成)。此類數據可以通過下一代測序(NGS)技術等獲得。NGS方法經曆了快速的技術發展,已使基因組測序低於1000美元,可以常規地納入醫療保健,成為健康數據的重要來源。

3)可變的組學特征(動態變化)。此類數據可以通過高通量方法收集,如多組學技術。由於成本高、組織特異性和隨時間變化的變異性,獲得此類大量組學數據有待技術進一步提高。

4)環境和生活方式影響因素。環境和生活方式數據通常通過問卷收集,但難以客觀準確。例如飲食作為環境暴露,在許多臨床實踐和許多研究中經常被忽略。未來,通過的新技術和區塊鏈設計,采集與飲食相關的數據,把精準營養作為一種“藥物”,將為治療和預防疾病提供強大的新手段。越來越多、更詳細、更高質量的數據將由可穿戴設備來獲得。由於患者絕大部分時間是在醫療保健係統之外度過的,可穿戴設備和患者提供的信息可完善電子健康檔案(EHRs),提升遠程醫療能力,這在COVID-19疫情期間首次得到了大規模驗證。

 

大數據與人工智能是提升精準醫療的必要手段

大數據和人工智能(AI)可以解決此前難以解決的問題,例如搜索優化、語言翻譯、圖像解釋和自動執行。許多積累的生物醫學數據集都可以滿足大數據的“5V”標準:數據量大(Voluminous)、高速(Velocity)、多樣(Varieties)、顯著可變性(Variability)和內涵價值(Value)。

從全人類的角度看,人群數據應來源於各種不同地域、種族,方可服務於人類生物醫學事業。然而,在已發表的全基因組關聯研究(GWAS)中,隻有不到3%的參與者為非洲裔、西班牙裔或拉丁美洲裔,而86%的臨床試驗參與者是白人。缺乏多樣性的研究使可能適用於所有人的生物學研究成果不具有普適性。

目前,臨床基因組分析通常用於評估某些癌症或疑似罕見遺傳病,許多常用的檢測隻評估少數基因位點。而許多常見疾病,如糖尿病或高血壓,可能與數千個位點的遺傳風險有關,這些研究通常是通過龐大的基因研究收集數十萬參與者的數據發現的;許多遺傳疾病的嚴重程度、外顯率和表現度都受到不同遺傳變異、生活習慣(如吸煙)和環境(如肝炎病毒的合並感染)互作的影響,在不同的年齡具有不同的表現。

隨著數據深度的提升,未來十年,通過“種族”將大量的社會、文化、政治、地理和生物因素融合在一起,並可以保證係統性的種族特征。在研究和臨床護理中,常規收集SDOH數據,再結合對環境影響、習慣和遺傳的更精確檢測,可以提供更合理的、基於病因的調整,並產生更好的風險分層和治療方法。

AI在醫學上的應用受到了大型通用結構化數據集的限製。未來,生物醫學數據集將越來越適合分析。臨床數據(包括圖像、記錄和實時監測數據),分子技術(其中以基因組學為主)以及可提供高分辨率數據流的設備和可穿戴設備的可用性的增長,將大大擴展先前同等規模下無法獲得的表型數據和環境數據的可用性。

 

靶向治療是精準醫學的核心內涵

PM通過多種診斷測試,對患者進行分層,以獲得更有效或更安全的治療。如吉非替尼針對攜帶激活表皮生長因子受體突變的非小細胞肺癌患者,而非那些可能出現嚴重藥物不良反應的人。成本效益研究顯示,精準診斷的醫學價值源於其實現更精確診斷的能力,以及基於精確診斷的差異化靶向治療的選擇。

在藥物治療的方麵,PM通常與預測工具的使用有關,如通過生物標記物來選擇治療方案、調整劑量或監測反應。在過去十年裏,將PM原則應用於臨床的努力麵臨過挑戰,但最終為臨床轉化確立了規範。檢測藥物基因變異,比如在乳腺癌治療激素受體測試的基礎上,曲妥珠單抗用於HER2陽性乳腺癌的治療,自1998年獲批以來,一直是當代靶向藥物開發的範例。

在隨後的幾年裏,藥物-診斷聯合開發的途徑得到了很好的應用,靶向藥物與配套的診斷試劑一同獲得批準,這為臨床藥物開發的持續創新鋪平了道路。在2010年代早期,對於某些肺癌(ALK陽性和EGFR突變陽性腫瘤)、乳腺癌和卵巢癌(BRCA突變陽性腫瘤)患者的治療,在臨床試驗中顯示出顯著的腫瘤反應或延緩疾病進展。隨著生物標誌物檢測的發展,臨床試驗和複雜而創新的試驗設計也將隨著診治效率的需求而湧現。PM的原則已經對藥物開發過程、監管框架和臨床患者的診斷工作產生了切實的影響,因此PM的前景已經在許多方麵得到了展現。

 

精準醫學的挑戰與機遇

未來十年,在PM領域很可能會誕生許多新的治療方法和工具。PM在充分發揮其潛力方麵還麵臨著許多挑戰,也為疾病診治水平的提升創造了新機遇。

在藥物方麵,新型治療方法的種類已經擴大。微生物組、基因編輯和細胞療法正吸引眾多的研究,數據正在繼續積累。從近期來看,用合成的寡核苷酸靶向RNA可能產生許多針對疾病潛在分子病理的新藥。治療脊髓性肌肉萎縮的Nusinersen和治療遺傳性轉甲狀腺變性澱粉樣變的Patisiran等產品已證明,寡核苷酸藥物可以通過改變核苷酸的組成,使產品能夠為單個病人設計——真正的個性化藥物。

對於典型的小分子和生物製劑來說,差距仍然存在。基因組研究已經能夠發現各種癌症的分子驅動因素,並為評估藥物在由分子特征確定的患者亞群中的作用創造了機會。在腫瘤之外,通過使用新的生物標記物來預測臨床試驗的豐富度仍然不常見。大規模基因組研究將有可能發現疾病易感的新標誌物,發現具有新作用機製的藥物開發的靶點。

關於生物標記物,藥物開發項目已經超越了單一分析物來預測治療結果。一個特定基因內的許多突變可能成為研發的目標。美國食品及藥物管理局已經批準了對各種生殖係DNA特征的直接麵向消費者的測試,包括藥物遺傳相互作用。目前正在以提高PM實踐的一致性(在治療建議、測試驗證和實施以及解釋方麵)進行努力。

關於證據生成和分析,如暴露-反應分析、群體藥代動力學和基於生理的藥代動力學建模,以補充傳統的臨床試驗範式,已經成為為特殊人群優化劑量的常規方法。與健康數據相關的基因組序列數據資源已呈指數級增長,這為表征治療效益和安全性的可變性提供了新的機會。增強的數據分析(如機器學習和人工智能)可以告知如何管理單個患者,並成為臨床決策支持工具的基礎,幫助處方人員就地進行治療和劑量選擇。

倫理、法律和政策問題。PM中實施基因組檢測會帶來法律和倫理後果。引入共同的道德和法律上有效的政策框架、管理日益個性化的醫療保健和從疾病治療到預防的轉變的未來,從而實現真正的多學科融合的方法,實現PM的潛力。

 

結語

支撐PM的技術正在變革醫療保健生態,為罕見疾病開發了革命性的分子治療方法。隨著COVID-19的流行,科學結論已成為應對現有醫學威脅的最佳答案;精準選擇較小規模的臨床試驗可產生更大的效果,縮短上市前的時間,提升上市的可能性。監管當局應繼續專注於確保醫療產品的質量、安全性和有效性,同時平衡創新的效益和風險。

在接下來的十年中,生物醫學方法、計算算法和高分辨率數據的可用性將大大增加。實施需要國際合作的大膽計劃,以吸引不同群體的參與者和科學家,深入分析人群,獲得豐富的臨床和研究數據,並通過真正的學習型醫療保健係統將這種知識應用於臨床實踐中,將幫助我們實現使PM麵向所有人的願景。

 


版權所有:俄罗斯专享会投資控股集團有限公司
粵ICP備11021262號-3
俄罗斯专享会投資控股集團有限公司
地址:廣州市天河區珠江西路5號4501房 電話:020-84228888 郵箱:youngy@aveeandy.com