|
5年内发生的革命 这几年抗癌新药数量井喷，治疗手段日新月异，令人振奋。 最典型的是黑色素瘤。 2011年，晚期病人标准选择仍然是化疗，平均存活时间仅为10个月。 2016年，多数病人无需化疗，很多人可以存活5年、10年，甚至被治愈。 因为在这5年之中，有10种治疗黑色素瘤的新药上市：涵盖了靶向药物、免疫药物、癌症疫苗，效果都显著优于普通化疗（例子见下表）。 最新免疫组合疗法（PD1+CTLA4）临床试验中，36%病人肿瘤消失或者几乎消失，试验结束时，75%存活超过两年。医生还在继续跟踪这批病人。目前已知的免疫疗法结果显示，熬过3年的患者绝大多数能活过10年，多数被治愈。 短短5年时间，病人从绝望，变为充满希望；这是科学的胜利，病人的福祉，科学家和医生的动力。类似的革命性进展正在其它癌症中出现苗头，比如肺癌，肾癌，多发性骨髓瘤等。 最新最贵的疗法就是最优选择吗？ 对于癌症患者来说，突然有了“选择困难症”：这些完全不同，且看起来都有效的治疗方法，应该怎么选？ 这就像从北京到广州以前只能坐轿子，很慢，现在突然有了高速公路、高铁、飞机，都明显更快，该选哪一种？ 再用黑色素瘤为例，是否一定选最新的PD1+CTLA4免疫组合疗法？ 不一定。 第一：免疫组合整体疗效好，但副作用也更强，不仅53%病人都出现显著副作用，而且高达36.4%的病人都因为无法承受副作用而退出了临床试验。 第二：组合疗法价格非常昂贵，如果没有保险，预计目前治疗费用会达到近200万人民币。 对比下面两种免疫疗法方案： ·方案A： 35%患者有效，45%两年生存，8%严重副作用，价格100万。 ·方案B：50%患者有效，75%两年生存，36%严重副作用，价格200万。 方案B响应率更高，但副作用高很多，而且贵很多。你选哪个？ 就像飞机vs高铁，虽然飞机快，但如果36%的机会被取消航班，价格还贵一倍，你选哪个？ 因此，所谓“正确的选择”，需考虑病人健康情况，肿瘤特性和经济情况。 这并非黑色素瘤特有的难题。多发性骨髓瘤，仅2015年就上市了3个新药，目前临床在用的至少有6大类，20余种药物。这些药多数并没有互相比较过，无法知道哪种最好。使用组合疗法则更加麻烦，选择多达几十种。 但每位患者只有1种选择，而且无法重来。 怎么选？ 精准医疗时代，医生面临多重挑战 以往，遇到选择困难症，我们会依靠医生，相信他们能做出最好的选择，因为医生有两个法宝：权威临床指南（比如NCCN指南），和个人经验。 但到了精准医疗时代，这两个法宝都受到了挑战。 首先，指南一般是根据临床试验结果，提供对“一类病人”的主流治疗方案推荐，但这不是对所有患者的最优疗法。这就像中学老师，上课往往针对“中等生”，结果优等生觉得无聊，差等生听不懂，很多学生都在浪费时间。 因此，要给每个病人最好的治疗，还得靠医生经验来调整。 但医生经验有时也不好使。 由于新药出现得太快，信息爆炸式更新，医生不可能有足够多时间来消化和练习，而刚等掌握了的时候，完全不同的新药又来了， 指南又换了。有几十年丰富经验的主任医师，遇到免疫药物，也得从头学起，以往的经验仍有价值，但大打折扣。 这不是中国的问题。即使在美国，癌症病人如果看3个同样权威的医生，很有可能得到3种不同的治疗方案。应该相信谁呢？ 在中国，过分依靠医生个人经验另一个严重的后果是：一线医院人满为患，其它医院无人问津。而由于学习环境的差异，一线医院和其它地区医生水平差距会进一步拉大。 中国顶尖三甲肿瘤医院拥挤不堪，医生和患者都怨声载道。根本原因就是他们各方面都领先其它医院太多。政府非常想要分流病人，但如果治疗方案的制定只依赖主观的医生经验，这问题注定无解。 如何让每位病人都能获得最优诊疗方案？ 靠人工智能和逻辑算法！ 今年初，“阿尔法狗”（AlphaGo）围棋战胜李世石，让很多人发现，所谓顶尖高手的经验，或者叫“棋感”，可以被逻辑算法战胜。 医学领域也早有这样的例子。 比如，精神科诊断非常困难，误诊率很高。最近一项研究发现，医生通过标准流程，只有40%的概率能正确预测高危年轻人是否会在两年半之内发病。但电脑程序凭借分析受试者说话的特征（断句，偏好的词汇等），预测准确率接近100%。 事实上，目前为止，“专家经验”对战“计算机程序”的研究中，计算机赢或者打平的时候占了90%以上。 数据更新越来越快，医生已经不可能跟上医学中所有的最新进展，开发人工智能来帮助医生做出判断，是大势所趋。数据越多越复杂，程序优势越明显。好几个大公司都在开发类似的计算系统，比如“Watson肿瘤解决方案”（IBM Watson for Oncology）。 “沃森”（IBM Watson）是IBM开发的认知计算系统。认知计算相比较于人工智能是一个更为宽泛的概念。它拥有理解、推理、学习三种能力，采用自然语言处理技术和机器学习技术，从大量非结构化数据中揭示非凡洞察力，通过追踪用户反馈和专家训练，不断进步，提升解决方案和解答的能力。 “沃森”兴趣广泛，它能通过分析网络信息，提前预判服饰流行趋势；也能摇身一变成“沃森大厨”（Chef Watson），通过学习几万种经典食谱，分析海量食材配搭，结合化学、营养学等方面数据，自己创造“沃森新菜式”。 “Watson肿瘤解决方案”是IBM和美国顶尖癌症研究中心纪念斯隆-凯特琳癌症中心（MSKCC）的合作项目。你可以把它想象成为一位名叫“沃森”的肿瘤诊断助理，它掌握基础医学知识，已经从医学院顺利“毕业”。 现在，肿瘤中心的顶尖专家正在教“沃森”学习和解读癌症医学报告，等这个阶段完成，它就拥有了等同于一名合格肿瘤医生的知识储备与经验，能够为肿瘤医生在判断诊疗时“献言献策”了。 这应该会是全世界最勤奋的肿瘤诊断助理！ 它不吃饭，不睡觉，不健忘，每天可学习上万篇研究文献，整理海量数据。而且它靠谱，因为“科学是它判断的唯一标准”。 “Watson肿瘤解决方案”的目标是帮助肿瘤科医生实现真正的精准诊疗。它通过快速整合病人所有信息，包括病理、各种组学研究（基因组、代谢组、肠道菌群组等）、既往病史等，匹配历史上已有的海量医学文献与数据，基于世界顶级肿瘤学专业知识，最后计算出针对个体病人最优的治疗方案。 它不是非黑即白，而是通过概率，告诉医生几个最优选择，下面就是“Watson肿瘤解决方案”的操作界面： 放大看看： 对中国来说，更重要的是，采用了“Watson肿瘤解决方案”的医生，将一定程度上打破地域限制，哪怕身在地方医院或者社区医院，都能够做出高水平的诊疗，医疗水平差异将得以弥合，这对解决病人过度集中的问题非常重要。 人工智能会彻底取代医生么？ 我觉得可预见的未来不会，因为医疗是科学也是艺术，不仅需要数据，也需要情感和交流。但毫无疑问它们会成为医生最好的助手，把人类从繁复的文件分析中解放出来，而把更多时间用于和患者交流。 中国医患交流时间太少，医生几分钟要完成看病历、问询、诊断、提供治疗方案这一系列程序，根本谈不上交流。医生累得无力说话，患者觉得被无视，双方都有说不出的苦，正是矛盾的根源。 想象一下日后的某个就医场景：患者做完几项最必要的检查之后，医生则基于充足的、多维度的数据源，快速做出高质量的循证型诊断方案，基于翔实确凿的证据，为病人答疑解惑。这该有多美好！ 这不是科幻，而是可预见的未来。 远处 计算机风扇在转 诊所 患者盯着屏幕看 医生抿口咖啡 没错，这就是您的最优方案 健康君编辑 | miffyyz 【作者介绍】菠萝，清华大学生物系本科，美国杜克大学癌症生物学博士，现在美国加州从事癌症新药开发，著有科普书籍《癌症.真相：医生也在读》。 |
|
|
