科學與醫學

科技與腫瘤學:強力聯手助攻

RATE THIS STORY:
Rating Unavailable Rating Unavailable Rating Unavailable Rating Unavailable Rating Unavailable
VOTES SO FAR

Beth Shia 在 2011 年確診為侵襲性乳癌的患者。即使歷經過全乳切除手術、化療及放射性治療,她的癌症卻沒有任何一點改善的跡象。2018 年,她的腫瘤科醫師在她的腦部、淋巴結和肺部發現了腫瘤。醫生推斷的結果並不樂觀。

後來,腫瘤科醫師建議她參與奧勒岡健康與科學大學(Oregon Health & Science University,簡稱 OHSU)研究「精準」癌症醫療的臨床試驗。研究人員從她的腫瘤採集了各種大小的樣本,然後分析腫瘤的組成物。他們還拍攝了腫瘤的高解析度影像,過程中需透過人工進行,既耗時又費力。研究人員和腫瘤科醫師針對 Shia 腫瘤的進階研究得出結論之後,隨即為她量身打造治療方案。

沒有人知道計劃是否可行。Shia 僅是加入這項研究的第三人,因此可參考的資料不多。不過她還是參與了這項計劃。因為對她而言,只有好處,沒有壞處。

科技帶來一線生機

新問世的科技可用於從 Shia 這類患者身上收集與分析資料,讓科學家進而了解各種癌症的組成和特性,甚至是 DNA 的組成。

關鍵的創新治療潛藏於橫行在各種癌症細胞的獨特分子結構中,例如:新藥的使用及藥物的組合,使其可以對抗腫瘤而非攻擊病患本身。運用人工智慧、記憶體與深度學習加速科技揭開這些奧秘,讓醫療專業人員得以針對個別的腫瘤類型,量身打造個別的治療方案。

「個人化癌症醫學」又稱為「標靶治療」、「精準腫瘤學」和「精準醫學」,是癌症研究的熱門趨勢,在科學家眼中前景看好。雖然精準醫療尚在襁褓階段,但科學家對其用途寄予厚望。

隨著科技日新月異,我們對於癌症的了解也會突飛猛進。一旦揭開癌症的奧秘,科學家希望能將這種世人聞之色變的疾病,弱化為可治療的疾病,也希望癌症患者再也免受侵入性療法之苦。

波特蘭 OHSU 奈特癌症研究所(Knight Cancer Institute)癌症早期檢測進階研究(Cancer Early Detection Advanced Research,簡稱 CEDAR)中心的 Sadik Esener 博士表示:「此時參與癌症研究正是時候」。OHSU 是個人化癌症醫療研究和精準癌症早期檢測研究領域的領導者,美光與 OHSU 與 CEDAR 合作,提供研究所需的技術。

Esener 博士表示:「此時此刻我們有所進展,而且進度神速。我不敢說我們是否能治癒癌症,但我們希望能將癌症轉為可控制的慢性病類型」。

Esener 博士坦承,這比較偏向控制,而非治癒。但這個方法能夠拯救癌症患者的性命,同時兼顧他們的生活品質。

量身打造的治療方案

精準醫學是癌症療法相對較新的方法,現今只用於少部分的患者而已。但是隨著癌症患者和腫瘤基因學方面產生的資料數量越來越多,加上科學家發現更多的藥物可用於特定腫瘤類型,促使標靶治療便成了規則,而非特例。

目前,醫師開立療法是根據受影響的身體部位,例如肺癌或乳癌,以及癌症的進展階段。然而,近來研究人員卻發現,導致健康細胞癌化的 DNA 變化,其實因患者而異。這種差異或許有助於解釋,為什麼腫瘤看起來一模一樣,影響的器官和分期都相同,但是卻對相同的療法出現不同的反應。

OHSU 和其他組織的研究人員目前利用科技來研究及記錄腫瘤的組成物。他們分析腫瘤的 DNA 和蛋白,並且檢驗腫瘤細胞的高解析度影像及腫瘤環境,設法區別何種藥物或藥物組合能夠延緩腫瘤生長、縮小腫瘤,或甚至是徹底根除腫瘤。

由於研究尚處於初期階段,而且資料有限,因此決定使用哪種藥物可能就像在玩猜謎遊戲。然而,每種新試驗都會就藥物對特定腫瘤類型的效用,提供更多相關資訊,進而提高日後癌症患者存活的成功率。

在 OHSU,研究人員打造了 SMMART(治療分子和構造反應序列測量)平台,研究腫瘤及其對療法的反應,然後根據先前適用於組成物相似腫瘤的療法,設計出治療方案。他們往往會趁腫瘤還沒發展出抗藥性時,先開立藥物組合,展開多方面的攻擊。參與計劃的患者會接受追蹤,因此腫瘤變化時,便可調整治療方案。這樣一來,SMMART 平台造福計劃參與者的機會就能提升最高。

SMMART 計劃目前著重在進行性轉移癌,目標是以持續耐受的方式控制疾病。雖然這項計劃尚無法為這些患者提供治癒的方法,但希望能將控制進行癌所發展出來的策略,應用於早期發現的腫瘤,而產生療效。

在 OHSU 團隊成功分析 Shia 的癌症之後,他們針對她的特定基因組成,推薦了兩種藥物的組合:一種是他們推斷可能對她這個腫瘤類型有效的「標靶」治療,一種是能啟動免疫系統對抗癌症的藥物。Shia 的進行性癌對她先前的療法沒有反應,她的惡性腫瘤隨著時間不斷擴散。

治療,還是不治療?

如果所有的癌症有一個共通之處,那或許是這件事:早期發現能提高成功治癒的可能性。有些癌症藏在宿主體內好幾十年才被發現。肺癌有著早期難以診斷的惡名。

Esener 博士表示,為了協助腫瘤科醫師早期發現並治療癌症,CEDAR 科學家正在研發「液態活檢」技術,用以檢測液態活檢內的癌症「生物標記」或指標。他表示,血液檢驗在早期發現方面的前景尤其看好,甚至製藥公司都表示對研究感興趣。

更棘手的問題是,一旦發現癌症該如何是好。擴散速度快的侵犯性腫瘤,需要積極的療法。其他腫瘤則是大到某個程度就不再生長,或者是生長速度緩慢,不太可能引起痛苦或死亡。但是醫師該如何區別致命的癌症和非致命的癌症? CEDAR 的研究就是奠基於這個目標。

Esener 博士說道:「我們不認為光靠人類動腦思考就辦得到。我們相信需要深度學習的演算法和機器,盡早幫助我們區別致命的癌症和非致命的癌症,如此一來我們才能適時為不同的對象對症下標」。

Esener 博士表示,癌症往往在進展過程中改變。早期有療效的藥物,晚期可能沒有療效,反之亦然。癌症就和生活一樣,時間點可能是一切的關鍵。

資料缺乏

精準醫學似乎對於有效的癌症療法前景看好,但是「終結我們所知的癌症」依舊存在著一些障礙。

資料是主要的瓶頸:資料的缺乏無法讓研究人員為多數癌症患者找出正確的療法。科學尚在發展階段,目前仍在收集特定癌症的資訊,而且進展可能曠日費時。

Esener 表示:「癌症並非單一疾病,癌症或許是成千上萬種疾病。首先,視器官而定,癌症的種類五花八門。然而,針對同一種器官,罹患同一種器官疾病、癌症的兩個人,卻可能罹患完全不同的疾病。更糟的是,隨著疾病進展,疾病會改變,並且產生新的細胞類型。疾病會隨著時間改變」。

Esener 表示,在這麽多事同時發生的情況下,擁有大量資料提供分析比對,是發展標靶癌症療法的關鍵。

他說:「能夠收集縱向資料是非常重要的一件事。我們必須及時收集資料。舉例來說,每隔一週或是每個月進行血液活檢,並且分析血液。接著從資料了解疾病的進展,並且能夠預測疾病的進展方式。

「每位患者都讓我們學到更多,我們也會嘗試將所學應用到下一位患者身上。另外,也在疾病進展的過程中,將所學運用到同一位患者身上。」

隨著科學家收集的資料量增多,他們希望能夠讓癌症的診斷和預測結果更為精確以達到選定療法最佳的治療效果。目前,機構和個別研究人員攜手合作,共享研究資料,而 OHSU 奈特癌症研究所本身「健康奧勒岡專案」(Healthy Oregon Project)就有自己的計劃,打算向 100,000 名以上的奧勒岡州居民收集資料,並且針對癌症風險高的人,持續進行檢驗。

由美國國家癌症研究院(National Cancer Institute,簡稱 NCI)與美國國家基因體研究院推動的癌症基因體圖譜計劃(Cancer Genome Atlas program,簡稱 TCGA),已經彙整了 2.5 PB 的 33 種癌症類型資料,並且全部公開。其他許多機構和私人專案也正在研究與收集資料。舉例來說,OHSU 與 SMMART 計劃參與 NCI 的人類腫瘤圖譜計劃,每位患者產生的資料數量是 TCGA 的 10-100 倍之多。

現在,科技必須快馬加鞭,扛起重任。為了儲存並處理所有的資料,大量快速的記憶體成了當務之急。美光與 OHSU 的研究人員合作,提供他們所需要的記憶體和深度學習加速解決方案。

Esener 博士表示:「美光提供給我們的東西很棒」。

美光的標靶技術

開創性的研究需要有創新的技術配合,並非如過去電腦設計所採用的那種「一體適用」的方法,而是針對特定需求量身打造的記憶體和加速解決方案。

為了讓 OHSU 的精準癌症團隊能夠看到三度空間、高解析度的腫瘤影像;迅速精確地處理複雜的資料集,為每位患者適時找到合適的癌症療法,並且不僅協助診斷,更協助區分致命性和非致命性腫瘤,美光的先進運算解決方案團隊 (ACS) 正提出問題、傾聽答案,並且專門為處理奈特癌症研究所的研究專案,著手打造深度學習加速器。

美光的先進運算解決方案營運總監 Mark Hur 表示:「我們身負繁重的任務。用美光的深度學習加速器(DLA),幫他們設計出加速推論引擎的方式。我們從記憶體晶片到最終產品一手包辦;我們採用簡化垂直整合,建立針對他們工作負載量最佳化的『解決方案』」。

「推論引擎」會利用資料解決問題,是 AI 的一環。若要運作,這種引擎需要讀取、分析並整理龐大的資訊量,過程可能使用大量的記憶體,並且耗費大量的時間和電力。

舉例而言,用 3D 精確地檢視腫瘤細胞,以及收集科學家希望用以精確診斷和治療腫瘤的資料,這需要超高解析度的影像。因需要用到的記憶體極為龐大,因此在過去,腫瘤影像必須分段處理,無法完整呈現;為了檢視完整的影像,而影響接合處的清晰度。

但是美光的 ACS 團隊找出方法,將其高頻寬深度學習加速器的記憶體增加兩倍,並且利用美光可編程 FPGA 推論加速器,加速工作流程的處理。結合美光的 FPGA 型運算能力及其最快速的記憶體技術,例如其 DDR4和高速記憶體,讓奈特癌症研究所的研究人員得以用整體方式處理完整的高解析度腫瘤影像,這對 OHSU 的使命來說至關重要。

「我們專注於這些資料超密集型的機器學習應用程式空間:那個空間會如何呈現? 若要解決那些特定問題,我們該如何建立次世代記憶體技術?」 ,美光健康醫療 AI 首席研究學者兼 OHSU 共同合作者 Bambi DeLaRosa 表示。「我們正在幫助健康醫療供應商找出因應現實問題的解決方案」。

從絕望到「充滿希望」

Beth Shia 開始接受試驗建議的藥物組合和療法兩個月後,檢驗顯示轉移到腦部的惡性腫瘤已經消失。肺部和淋巴結的腫瘤也已經縮小 70%-80%。

參與試驗六個月之後,掃描並未發現任何惡性腫瘤。

Shia 向當地報社表示,她依舊戒慎恐懼。她表示,她將療法視為與疾病共存之道,而非解藥。

Shia 表示:「老實說,我不認為這麽做能根除癌症。這麽做只是讓我能與癌症共存許多年,同時繼續一些療法。如果這種試驗計劃或藥物組合無效,一定還有其他我能嘗試的方法,對此我充滿希望」。

如果世人抱著和 Esener 以及 OHSU 團隊相同的想法,希望「終結我們所知的癌症」,那麼就需要仰賴各產業和領域通力合作。美光的願景,是改變世界利用資訊來豐富生活的方式。為研究人員提供對抗癌症所需的科技,就是達成這項目標的方式。

對 Esener 來說,對抗癌症與他本人的故事密不可分。他的妻子和母親都因為癌症離世,死別的經驗令他飽受情感創傷,激勵他致力於精準腫瘤學的研究。

他表示:「我決定利用剩餘的這十年科學生命,致力於癌政問題的解決。我認為癌症是最嚴重的問題之一,必須著手解決。我們覺得自己身肩重任,必須設法想出因應這個可怕問題的解決方案」。

+
Powered By OneLink