聚焦前沿——“当分子病理检测技术”偶遇“大数据与人工智能”

免疫组化抗体神器

好评必备! 免费下载

——声明:仅供医疗专业人士参考
编者按:如今,大数据、人工智能的应用高速发展,各行各业都已显现其重要性,医疗行业更是备受其益。以二代测序 ( Next Generation Sequencing,NGS) 为代表的高通量生物技术已经并正在极大地促进医学科学的研究与发展。精准医学也在紧跟国际和时代发展的步伐。91360智慧病理网邀请到吉林省磐石市医院病理科徐捷主任为大家讲解被大数据和人工智能加持的分子病理学检测技术,将会为中国医学界带来怎样的福音?

徐捷
毕业于吉林大学本科临床医学专业
现任吉林省磐石市医院病理科主任 主治医师
海峡两岸精准医学协会 临床细胞精准诊断委员会 委员
吉林市病理科医疗质量控制中心 委员
北京大学宫颈细胞学阅片技能培训班优秀学员
第十二期全国宫颈细胞学规范化系统培训班学员
2018年IAC巡讲培训班学员
 
聚焦前沿——“当分子病理检测技术”偶遇“大数据与人工智能”
  2015年,伴随着《超能陆战队》的上映,一个融合了人工智能(artificial intelligence,AI)、医疗救护、战斗能力的机器人“大白”,走进了人们的视野,使人们进一步了解到人工智能。事实上,医疗机器人,这个原本只存在于科幻小说、科幻电影中的神奇物种,正在慢慢渗透我们的生活,并逐渐成为新的创业和投资热点。在过去的十年里,人工智能和机器学习对医疗部门产生了巨大的影响。技术的进步也已经为大数据的分析和整合铺平了道路。在人工智能的赋能下,医疗的技术性得到了前所未有的提高。2016年科大讯飞入局AI医疗领域,2017年阿里健康联合万里云发布AI系统Doctor you,腾讯发布AI医学影像辅助产品觅影,IBM公司与纪念斯隆凯特琳癌症中心合作开发的Watson 产品金。奥巴马宣布的“癌症登月计划“中的一个项目就是让人工智能进行机器学习(算法)和深度学习以识别癌症。本文将从分子检测的重要性入手,简述大数据和人工智能在分子检测中的应用,并对目前遇到的问题及挑战进行总结。
分子检测的重要性日益剧增
  基因测序是精准医疗产业的重要组成部分,分子诊断也是精准医疗的重要子行业之一。早在2003 年,WHO首次将肿瘤的分子分型纳入病理诊断标准[1]。大家逐渐认识到,分子检测与分子诊断具有同等的重要性。2005 年,美国食品药品管理局( FDA) 强调了肿瘤分子诊断与靶向抗癌药物的重要地位,并于 2011 年将分子靶向药物与敏感人群筛选的检测试剂审批流程更改为药物与诊断试剂盒同时批准,并命名此诊断方法为“伴随诊断(companion diagnosis)”,分子检测的重要性进一步得以体现。对于肺癌、乳腺癌以及结直肠癌等肿瘤患者而言,基因检测已成为病理诊断中不可或缺的重要组成部分。肿瘤的异质性等原因,促使着肿瘤治疗朝着精准化、个体化的方向发展。与此同时,我国的分子病理实验室建设也取得了阶段性成果。2003年,北京协和医院就建立起分子病理实验室,陆续开展多种肿瘤基因检测。此后,国内很多医院都建立起独立完善的规范化分子检测实验室,并通过了相关的资质认证[2,3]
大数据和人工智能在分子检测技术方面的应用
  在临床应用中,NGS在阐明预测或预后的生物标志物方面具有强大的优势。在过去的十年中,NGS在提高测序的通量、质量、成本和时间方面有了巨大的发展。NGS还集成了短读和长读平台。短读有利于精准医学鉴定具有临床效益的变异株和人群筛查。相比之下,全长度的亚型测序是通过长读来实现的。先进的算法及其分析高度复杂数据的能力将阐明精准肿瘤靶向治疗的新选择[4]。第二届现代临床分子诊断研讨会特设了人工智能分论坛。论坛重点介绍了Watson for Genomics,针对肿瘤患者样本的二代高通量测序(NGS)生物信息学文件信息,Watson for Genomics可以凭借人工智能技术从医学典籍中提取内容相关的信息,基于IBM Watson的知识平台(包括:高质量的期刊文献、指南、基因变异数据库和临床试验信息),基因变异的信息分析可以快速高效的完成,并根据循证等级作出推荐排序的靶向治疗建议。在专家的专题报告中着重介绍了在临床使用NGS检测技术结合IBM Watson for Genomics的案例,该案例使用了来自拓普基因的泛癌种检测Panel(覆盖了573个与肿瘤相关的基因),并应用Watson for Genomics进行了数据的全面解读,为该患者的临床治疗决策提供了详细的参考信息。
  大数据主要是指用传统的数据处理方法分析结果不够理想的大规模复杂数据集合。生命科学研究已进入“组学”时代,高通量、大规模的组学研究已逐步成为当前生物医药领域的重要研究方向之一,随着数据信息的逐渐积累,产生的信息数量和规模越来越大,“大数据”的概念在生物医药领域逐渐普及[5]。2008年和2011年,Nature 和 Science分别推出了大数据专刊,不仅探讨了科学研究领域中大数据的应用,还强调了大数据在科学研究领域的重要性。伴随着二代测序(next-generation sequencing,NGS)技术的发展,基因组学的测序数据是生物医药领域最常见的大数据典型代表之一。目前,Illumina Hiseq 4000系统能够在3天内测序12个基因组、100个转录组或180个外显子组,每次运行能够产生1.5 TB数据量和50亿条序列信息。由此可见,高通量组学产生大数据的规模之大,生物医药领域组学大数据的存储、挖掘、分析和应用具有丰富的价值[3]。杨健和蔡浩洋[6]总结了生物信息学常用的肿瘤大规模数据库。如:肿瘤基因组图谱(The Cancer Genome Atlas,TCGA)、Oncomine、 Cosmic、ClinVar、人类基因突变数据库(Human Gene Mutation Database,HGMD)、在线人类孟德尔遗传数据库(OMIM)、国际癌症基因组联盟(The International Cancer Genome Consortium,ICGC)以及美国临床肿瘤学会( American Society of Clinical Oncology)等,为肿瘤数据的研究和比对提供很好的技术支持。
  精准医学就是组学大数据与医学的结合。2015年以来,随着精准医疗概念的逐渐深入,以肿瘤分子检测为主要任务的分子病理学(molecular pathology)也逐渐显示了其在肿瘤诊断、治疗及预后监测各方面的优势地位。NGS更是进一步推进了分子检测和分子诊断的广泛普及。靶向治疗通常又被称作分子靶向治疗,是指利用肿瘤组织或细胞具有的特异性或相对特异性的结构分子作为靶点,使用能与这些靶分子特异性结合的抗体或配体达到直接治疗或导向治疗目的的抗肿瘤治疗方法。靶向治疗具有高效、低毒、不良反应轻微等优势,能够最大程度地杀死癌细胞。靶向治疗的特异性决定在进行靶向治疗之前,需要对相应靶点进行诸如突变、缺失等基因检测,以预估治疗的有效性。2001年FDA批准了首个分子靶向药物甲磺酸伊马替尼,开创了肿瘤分子靶向治疗的时代。2017年11月,纪念斯隆·凯特琳癌症中心(Memorial Sloan Kettering Cancer Center)病理科研发的首个肿瘤多癌种多基因检测平台[3]。王红强等[7]报道了一种癌变用药基因检测模式。不同于突变用药检测,癌变用药检测直接面向病人的癌变分子病理,借助高通量测序数据 (全基因组或全外显子组) ,采用人工智能与大数据理论与技术深度解析肿瘤病人个体化分子病理,实现不同药物的疗效、毒副作用与不良反应的系统性、量化的评估。例如,通过癌变用药检测,能够回答突变基因是否为癌变相关基因,是否为癌变驱动基因等更深层次的问题。
问题和挑战
  大数据应用发展迅速,但同时也面临一些问题与挑战。数据解读是应用NGS进行常规临床测序以诊断和治疗癌症的一个主要障碍。大数据的管理和解读需要大型服务器和专业的生物信息学人员。对于诊断,生成的数据包括关于变异的分类信息,如良性、可能良性、未知意义的变异、可能致病和致病变异。将所有变异分类并认识到其临床意义是非常必要的。数据共享大数据越来越多,如何做到国家层面的数据共享,这不仅仅是学术界的问题,也是牵扯到国家管理层的问题。数据共享,有利于我们在大数据时代高效的完成工作。比如,中山大学和美国的一所大学合作,结合人工智能,观察眼底从而发现黄斑变性。这也促成了人工智能对不同大数据的学习。同样地,人工智能也可以帮助我们分析基因组。随着大数据的激增,解决在未经许可的情况下使用患者数据相关的伦理问题是非常必要的。此外,还需要制定相应的伦理政策和指南来保护患者的安全和隐私。克服这些挑战,人工智能和大数据将使医疗卫生和精准医疗领域显著受益[2-4,7]
未来和展望
  NGS与高级生物信息学的结合在医疗领域已应用多年。随着精准医学和新生的生物标记物的兴起,人工智能和大数据在临床的应用也在不断发展,以期改善癌症诊断和治疗。随着科学技术的进步,NGS检测有望提高高通量数据处理速度和敏感性,降低成本检测,使其广泛用于研究和临床应用。人工智能已经对医学产生了重大影响,并将继续推动医疗卫生和精准医学的发展。谷歌、微软、百度、腾讯、阿里巴巴等巨头也争相进入人工智能医疗领域,AI医疗肯定会迎来极速发展阶段。当然,人工智能和大数据在医疗领域的应用还有很长的路要走,期待其能够给我们带来更美好的未来!
 
  参考文献
  1. Tavassoli FA,Devilee P. World Health Organization classification of tumors: Pathology and genetics of tumors of the breast and female genital organs[M]. Lyon (France): IARC press, 2003.
  2. 曾瑄,梁智勇.分子病理在肿瘤个体化医疗发展中的地位和作用[J].中华病理学杂志,2016,(1):3-5.
  3. 张繁霜, 应建明, 鲁海珍,等. 肿瘤分子病理诊断中大数据的应用研究[J]. 中华病理学杂志, 2018, 047(007):562-564.
  4. Dlamini Z , Francies F Z , Hull R , et al. Artificial intelligence (AI) and big data in cancer and precision oncology[J]. Computational and Structural Biotechnology Journal[J], 2020, 18: 2300-2311.
  5. Drmanac, Radoje. Human Genome Sequencing Using Unchained Base Reads on Self-Assembling DNA Nanoarrays.[J]. Science, 2010. 327(5961):78-81.
  6. 杨健,蔡浩洋.肿瘤生物信息学数据库[J].生物技术通报,2015, 31(11): 89-101.
  7. 王红强, 顾康生. 肿瘤精准医疗中的个性化药效评估(预测)方法[J]. 模式识别与人工智能, 2017, 30(002):117-126
CN-71447
责任编辑: wangyiran
0 0 0