第 23 届 台湾癌症联合学术年会（TJCC）在台北大直的万豪酒店盛大举办，台北医学大学台北癌症中心院长 彭汪嘉康院士致词，回首 20 年来，癌症治疗的成效由于创新药物研发的进展和医疗人员的共同努力下，癌症患者治疗预后的十年存活率和 20 年前相比有着天壤之别。她更提到，近年来除了以肿瘤基因突变与细胞讯息传递途径为基础的分子标靶药物的持续进展，接下来的热门治疗趋势将会在癌症免疫治疗（cancer immunotherapy），尤其是驯化细胞治疗（adoptive cell therapy，亦称过继细胞疗法）领域的未来发展相当值得期待。
台北医学大学台北癌症中心院长 彭汪嘉康院士
癌症免疫治疗 将扮演重要角色
来自美国梅约诊所（Mayo Clinic）的 Alex A. Adjei 教授表示，基因体研究发展对于肿瘤治疗策略有显著的影响，过去往往都是以临床症状或形态的不同做处置（治疗），现在已经转变为以基因体资讯为基础的治疗策略。以肺癌为例，临床治疗前接受 EGFR 基因定序来评估使用分子标靶药物已相当普遍，而 ALK 基因定序和分子标靶药物的选用策略也逐渐明朗，大幅提升临床治疗之效率。但是，癌细胞的细胞讯息传递路径非常复杂，并非所有分子节点的基因突变都有对应的分子标靶药物可选择，癌细胞基因突变的分子标靶能有效配对和治疗的患者比例相对较低，因此仍必须寻找出其他途径的可能解决方案，例如：表观基因遗传学（epigenetics）的基因修饰或是基因拷贝数变异（copy number variations, CNV），都可能成为药物开发的重要方向。Alex A. Adjei 教授指出未来有两大领域可能在临床上会有相当不错的进展：（一）微生物体（the microbiome）: 已有初步的研究显示，患者若具有较高的肠道微生物多样性，对于 anti-PD-1 的治疗会有增进的效果。（二）驯化 T 细胞治疗（adoptive T cell therapy，亦称过继 T 细胞疗法）：最著名的嵌合抗原受体 T 细胞（chimeric antigen receptor T-cell, CAR-T），已经有一些临床个案验证其治疗效果，但 CAR-T 治疗也有可能引起细胞激素（cytokine）和神经毒素的安全考量，往后的临床试验结果值得持续关注。
美国梅约诊所（Mayo Clinic） Alex A. Adjei 教授
基因资讯为临床决策必要参考依据
来自美国密西根大学医学院的 Thomas J. Giordano 教授分享参与美国癌症基因体图谱计画（The Cancer Genome Altas, TCGA）的研究经验，从蒐集样本到数据公开发表历时四年才完成，其研究团队发现肾上腺癌细胞（ACCs）肿瘤组织的基因突变密度（mutation density）极低仅 0.9 /Mb，而基因突变负荷量（mutations burden）与癌症的进程（期数）有着正向的关联性，更发现在肾上腺癌当中有一些突变频率较高的基因 TP53、CTNNB1、PRKAR1A、MEN1、RPL22 等，还有 APC 和 MSH 系列的基因突变也有出现在肾上腺癌，推断肾上腺癌可能是林奇氏症相关的癌症（Lynch syndrome associated cancer），从分析结果得知肾上腺癌细胞缺乏集中的基因突变热点，但透过基因拷贝数变异，仍然能将临床上少见的肾上腺癌细胞做种类分群，给予不同的医疗策略。
美国密西根大学医学院 Thomas J. Giordano 教授
来自日本东京医科齿科大学附属医院的池田贞胜（Sadakatsu Ikeda）医师则指出，当今的癌症医疗主要可分为：单一治疗（mono-therapy）、合并治疗（combine-therapy）、免疫治疗（immuno-therapy）三种策略，主流共识是进行基因检测并以肿瘤突变负荷量（tumor mutation burden, TMB）当作评估依据。肿瘤组织基因突变型态单纯的患者较适合单一分子标靶治疗，而若肿瘤组织具有多种基因突变的患者则更适合进行免疫治疗。肿瘤基因检测可依检测基因范围分为：迷你（1-23 基因）、小型（70-100 基因）、中型（300-400 基因）或大型规格（whole exon 或 whole genome）的基因检测。通常迷你、小型规格涵盖较常见与可采取治疗行动（actionable）的基因，临床介入咨询容易、费用合理，但也可能错失一些较少见的基因突变。而中、大型规格则能较宏观的完整筛检众多基因突变，但资讯分析复杂度和介入咨询的难度也有所提高，检测分析费用自然也会高出许多，并非所有人皆能负担。然而，基因检测在癌症领域临床应用的重要性已渐受重视，2017 年美国国家癌症资讯网指南（NCCN Guideline）已正式将基因检测列入临床治疗的必须考量项目，同年也已有部分 NGS 基因检测获得 FDA 认可，例如：Oncomine Dx（23 基因）、MSK-IMPACT（468 基因）、Foundation One CDx（324 基因）等，获准应用于临床癌症的治疗评估参考依据。
日本东京医科齿科大学附属医院 池田贞胜（Sadakatsu Ikeda）医师
评估癌症免疫治疗重要指标 ─ 肿瘤基因突变负荷量
来自英国 Royal Marsden 医院的 Marco Gerlinger 博士提到，在进行癌症免疫治疗时肿瘤基因突变负荷量是相当重要的指标，他的研究团队还发现这些肿瘤基因突变存在的型态在免疫治疗的效率和存活期都有显著的差异，基因突变杂合子（heterozygous）比例高的癌细胞相较于同合子（homozygous）比例高的癌细胞治疗效率低。同时，若癌细胞的基因突变较为集中在主干突变（truncal mutations）的比例较高，接受免疫治疗时会有较好的治疗效果，突显在肿瘤内部的基因体学变化的重要性。Marco Gerlinger 博士表示，根据研究肿瘤细胞每一次细胞分化平均会增加 4 个新的基因突变（mutations），若原本带有 100 个基因突变的癌细胞经过六次细胞分裂复制后可能会倍增到 228 个基因突变。但因为在基因定序时，新分化的癌细胞的新基因突变因为突变频率（frequency）的占比过低（~1/1000,000,000），很难被侦测到（尤其是 NGS），这种低度频率的基因突变极有可能是肿瘤能适应药物治疗/免疫治疗的逃脱机制。2017 年在《Nature》杂志有一个崭新的治疗策略被提出：个人化突变体疫苗（personalized mutanome vaccine），透过基因检测分析患者体内带有的基因突变丰度，挑选出具有意义的基因变异，接上适当载体制成外源 DNA/RNA，制造出适合个人肿瘤变异情况的疫苗，初步证实在黑色素细胞瘤具有辅助增强免疫治疗的效果（详见参考文献）。
英国 Royal Marsden 医院 Marco Gerlinger 博士
AI 人工智能 辅助提升临床医疗决策效能
来自 IBM Watson Health 的 C.K. Wang 博士（医师）表示，人工智能（artificial intelligent, AI）的定义主要包括：话语辨识（speech recognition）、学习（learning）、规划（planning）、问题解决（problem solving）等四大核心能力。然而，目前全球在医疗照护的人力短缺高达 1290 万人，况且全球医疗数据的资讯量每 73 天会增加一倍，资讯量高达 150 艾元（Extrabyes，缩写为 EB），光是医疗影像就有 600 亿张，以人工处理判读相当旷日废时，若能导入人工智能科技的辅助，将可简化节省大量的时间和人力耗损，提升医疗决策的效率。同样来自 IBM Watson Health 的 Lenny Chen 解释，取名自 IBM 共同创办人 Thomas J. Watson 的医疗人工智能系统 IBM Watson Health，主要从三个面向：
（一）深化专业性
（二）增加人员生产力
（三）扩展知识背景基础，辅助临床医疗人员提升医疗决策的品质和效率。
C.K.Wang博士（医师）则提到，目前主要提供三种人工智能解决方案：
（一）肿瘤医学（oncology）
（二）基因体学（genomics）
（三）临床试验对象配对（clinical trial matching）
以基因体学为例，IBM Watson 能在三分钟内汇整包含：医疗文献（medical article）、药物资讯、临床试验资讯、基因资讯、纪念斯隆—凯特琳癌症中心（MSKCC）的 OncoKB 数据库的巨量数据，找到超过 99% 以上可采取医疗行动的基因突变（actionable mutations），将可望大幅降低精准医疗决策的复杂度。
IBM Watson Health C.K. Wang 博士（医师）
综观今年的台湾癌症联合学术年会（TJCC），基因检测、癌症免疫治疗、人工智能医疗将成为发展最蓬勃的领域，技术层面和临床应用已逐步趋于成熟，若相关法规和配套方案的逐步到位，将对全球医疗产业产生巨大的变革。然而，这些大量仰赖大数据分析的临床辅助工具，虽然有助于辅助提升重大医疗决策效率和品质，仍然无法完全取代医疗专业人员，因为临床医疗仍必须建立在充份的信任和人性关怀的基础之上，才能体现医疗的核心价值。
延伸阅读：AACR 2018 年会大焦点 免疫疗法临床试验化零为整共抗肺癌参考文献：
An immunogenic personal neoantigen vaccine for patients with melanoma. Nature. 2017 Jul 13;547（7662）:217-221.
©www.geneonline.news. All rights reserved. 基因线上版权所有 未经授权不得转载。合作请联系：service@geneonlineasia.com
