推出癌症数据分析系统，福州大彻用机器学习方法助力精准医疗

现有癌症治疗通常采用未对同一类癌症进行分型的“一刀切”治疗方案，其治疗效果往往不佳。通过分析病人肿瘤基因组信息，将个人基因、环境与生活习惯差异考虑在疾病预防与处置方法之内进行精准治疗，是提高疾病诊治与预防效益，以及癌症病人生存率的一剂良方。

如今，随着基因组测序技术、生物信息与大数据科学交叉应用的发展，精准医疗的水平已渐为成熟。医疗消费的升级，则进一步促进市场扩容，创新解决方案持续涌现。

福州大彻精准医学科技有限公司（以下简称“福州大彻”）专注于癌症分子分型研究。企业基于肿瘤的基因表达谱，通过AI人工智能大数据分析，对患者进行分子分型，达到精准医疗的效果。同时，该解决方案结合适当治疗方案，可避免不适用化疗药物给患者带来的严重毒副作用，降低治疗过程中患者承受的痛苦。

据悉，乳腺癌分型取得发明专利授权。胃癌四分型专利也于今年2月公布，进入实质审查阶段。临床数据表明，四亚型分类法能大幅提高癌症病人的生存率。不仅如此，公司解决方案已积累大量癌症病人临床统计数据，并申请获批了若干分型算法的软件著作权。其中，企业自研胃癌分子分型技术已经成熟，开始进行市场推广。

“如何主动且精准地确定患者的最佳疗法、最佳治疗时机以及最佳治疗医生，是当前医疗行业所面临的一大挑战。尽管我们习惯于依靠经验对疾病诊疗形式进行判断，但机器学习的形式却能够对患者疾病发展情况进行深度分析，进一步评估疾病深度表型和风险，最大限度地提高医疗效果，实现精准医疗。”福州大彻董事长兼首席科学家雷政登谈到。

在与雷政登的交谈中，他向动脉网袒露“机器学习”在福州大彻解决方案中的重要作用，并表示这一直是他的前进方向。

虽然其本科就读于北京大学化学系，但大学时代却投入了超过一半的时间学习计算机编程，并从攻读博士开始，长时间研究机器学习在生物医学中的应用。

也正是出于对机器学习浓厚的兴趣，雷政登选择了在美国攻读生物信息学博士学位，专注于机器学习研究。并于毕业后在癌症研究机构美国纽约斯隆—凯特琳癌症中心担任高通量计算分析学家兼生物信息小组组长，从事高通量癌症药物筛选和信号通路分析（与包括诺贝尔奖得主、前NIH主任Varmus Harold在内的世界顶级癌症专家合作）。

为更进一步推动精准医学发展，雷政登再度回到高校，进行癌症分子分型研究。在新加坡杜克—新加坡国立大学医学研究院从事博士后研究（主要是胃癌个体化治疗研究方向），导师Steve Rozen和Patrick Tan是国际癌症基因组联盟首席科学家、新加坡科学最高奖获得者。

博士后毕业后，又回到美国伊利诺伊大学芝加哥分校担任生物信息专家，从事高通数据分析和新算法开发。

目前雷政登于Gastroenterology (影响因子22.7)、Gut (23.1)等国际期刊上发表过50多篇学术论文，论文被引用超过2500次。同时担任英国学术期刊BMC Research Notes副主编 (Associate Editor)，以及10余个国际期刊与会议审稿人，包括Gastroenterology (影响因子22.7) ，Bioinformatics (6.9)等。

业界的探索、学术经验的积淀，以及长时间对于某一领域的专注，使得雷政登迫切期望将科研成果转化为具体解决方案，最终落地临床应用场景。2016年底，雷政登创立福州大彻精准医学科技有限公司，并任董事长兼首席科学家，以人工智能技术为依托，自主开发出一揽子数据分析系统，以及相应解决方案。

由于公司研发的癌症分子分型方法具有显著临床应用价值，公司已与多家医院和大型企业达成合作，共同推进精准医疗技术在肿瘤治疗方面的研究及应用。

精准医学源自于基因组学，即在基因、分子水平上应用基因组学及其所衍生的各种组学（蛋白质组学、代谢组学、表现基因组学等）来诊断病因或检测出治病目标，使得本来千篇一律的治疗方案有可能转变为针对个体病因的有效治疗。

福州大彻目前的主要业务领域便是以肿瘤的基因表达谱为基础，依托雷政登开发的胃癌和乳腺癌数据分析系统，对上述两种癌症患者进行分子分型。并据分型结果推荐相应的治疗方案和用药指导，以克服传统治疗模式的弊端，达到精准医疗效果。

福州大彻向动脉网分享了一组数据：

其一，目前的靶向药物使用病人人群比例小。例如HER2阳性的胃癌病人只占10%左右。同时，通过DNA测序检测基因突变的阳性人群比例也很小。

其二，HER2阳性的胃癌病人使用靶向药物生存率只提高10%左右。但根据癌症基因分型来指导用药能够大幅提高癌症病人的生存率。

其三，用PD-L1指导免疫治疗有效率大概50%，而根据基因分型指导免疫治疗有效率达到90%。

与目前的药物治疗相比，根据癌症基因分型来指导用药具有极大优势。通过所得到的临床数据，企业发现通过基因表达——RNA测序得到的分子分型，对不同药物的敏感性不同。即针对某一特定的分型，需用某一种特定的药物进行治疗，病人才能真正受益，进而提高生存率。

不过，要真正实现根据癌症基因分型进行精准治疗，过程中要克服诸多难点。毕竟，基因之间会互相调控形成基因网络。研究数据量的增加，致使致病内在规律难以发现。

福州大彻通过非监督性聚类分析得到分子分型，再以现有数据作为训练数据，持续发展算法，形成正循环。最终通过特定算法，对基因组数据进行分类，同时结合病人的临床数据、生存数据，以及药物使用等数据，以机器学习的形式分析找到疾病规律。

通过分子分型进行精准治疗的难点在于数据量大，以及数据噪音大。需要对诸多细节进行深入剖析，才能找到最优模型。一般来说，在数据维度比较高的情况下，机器学习容易出现过拟合现象，即出现模型针对当前训练数据效果好，但对新的数据预测不准确，或实际应用情况较差等情况。

福州大彻注意到了这一问题，通过开发特有的算法，将过拟合效果负影响降到最低。据临床数据显示，福州大彻的解决方案不仅可大幅度提高癌症病人生存率，且在新加坡、韩国、美国等地区的病人组中均发现了相同规律，重现性非常高。

据悉，企业对乳腺癌、肺癌、肠癌、胰腺癌等其他癌症均有研究，并发现以上疾病有共同分子分型。未来，企业还将以其核心技术为支撑，持续与医院进行合作，探索更多分子分型，使解决方案可以投入更多癌症治疗场景的应用。