最新消息


AACR專家分享: 2025 年癌症研究和治療將取得進展(下)

2025.1.17 專業新知 2024 年,超過 50 種腫瘤藥物獲得美國食品藥物管理局(FDA)批准

文:Lily Lien / 台灣癌症資訊全人關懷協會

 

2024 年,我們看到超過 50 種腫瘤藥物獲得美國食品藥物管理局(FDA)批准,其中包括 11 種同類首創藥物。在這個之中,首個腫瘤浸潤淋巴細胞 (TIL) 細胞療法涉及的研究可追溯到 30多年前。這只能說明,從實驗室到臨床的突破有時需要時間和奉獻精神,但伴隨著藥物開發相較以往的加速,訊息傳遞進步以及人工智慧在藥物開發的輔助支持,對於2025 年將發生哪些變化,可能改變我們診斷和治療癌症的方式,以及哪些一流的治療方法可以為患者提供新的救命選擇?未來12 個月可能有什麼科學發現會引起大家的討論?

 

三、血液系統惡性腫瘤--AACR 血液系統惡性腫瘤工作小組指導委員會成員 John E. Dick 博士,FAACR:

 

The Princess Margaret Cancer Centre 資深科學家Dr. Dick預見同種異體 CAR-T 細胞療法將在不久的將來得到更廣泛的應用。我們擁有先進的治療方法,可以根據確定的表型和遺傳因子來針對絕大多數腫瘤細胞,但是腫瘤可能擁有罕見的抗藥性癌細胞和驅動復發的癌症幹細胞,但治療中也會殺死非癌細胞。現今的挑戰是開發更有專一性的治療方法,以針對腫瘤中存在的所有癌細胞類型。目前在尋找更具組合性的 T 細胞標靶療法方面已經取得了進展,這種療法可以針對癌症特異性標記物(包括癌症幹細胞),同時不影響正常細胞。

 

Dr. Dick對於開發多個靶點的CAR-T 細胞的想法最為期待。於此技術下,CAR-T 細胞治療將具辨識多個腫瘤抗原,至少有兩個已知與白血病相關的不同標靶。只有當發現同時具有兩種白血病標記的細胞時,CAR-T細胞才會激活,有助於保護健康細胞。此外,研究人員也正在探索治療血癌病人時保留健康細胞的其他方法。這包括僅針對腫瘤的雙特異性抗體,然後引入其他免疫系統細胞來殺死癌細胞。Dr. Dick說明越來越多的證據顯示,在某些血液腫瘤的進化過程中,某些細胞注定會對治療產生抵抗,它們可能是腫瘤中非常罕見的元素,但它們已經具有代謝和表觀遺傳特性,能夠抵抗標準療法。單細胞基因表現分析、染色質可及性和甲基化的進展有助於識別這些細胞,並更能理解這些細胞如何既能抵抗治療,又能再生出復發。這些技術可以更廣泛地了解基因組,從而揭示更多有關治療抗藥性的資訊。

 

癌症不僅僅是一種基因受損的疾病;98% 的基因組包含非編碼與調控區域,其中具有非常重要的癌症特異性調節功能。研究人員發現一些癌細胞抵抗治療的原因往往不是基因損傷或突變,而是受這些非編碼區域和其他基因影響的細胞狀態變化。

 

Dr. Dick先前在鑑別白血病幹細胞特性方面的研究,已幫助找到預測治療反應的因素,但他認為對細胞狀態的理解將在2025年會有進一步進展。其中包括對於細胞克隆造血的更深入理解,這是一種伴隨年齡增長的自然現象,其中一個造血幹細胞相對於其他許多幹細胞獲得了克隆優勢。在TET2介導的不确定潜能的克隆性造血(CHIP)病例中,這些突變的CHIP幹細胞是向白血病起源細胞病變的第一步,導致血液惡性腫瘤風險增加。它們還對心血管疾病有影響,甚至是影響實體瘤的治療反應。很明顯,克隆性造血會影響免疫檢查點抑制劑療法在某些患者亞群中的作用。目前已經知道實體腫瘤與血液系統或免疫系統之間經常存在交互影響,但現在有研究顯示克隆造血是另一個以前未被認識到的因素。這將成為決定任何類型的實體腫瘤患者對治療的反應的關鍵因素。

 

四、人工智慧—Regina Barzilay 博士:

 

預測未來罹患癌症的風險是 Dr. Barzilay 工作的核心, 也與麻省理工學院 Jameel Clinic的健康人工智慧研究負責人一直合作使用AI數年前預測診斷肺癌和乳癌的計畫。

 

Dr. Barzilay 表示已經看到了一些非常令人興奮的結果,機器的表現可以與人類專家的表現相媲美。同時,AI模型還可以為我們提供未來癌症發展的可靠軌跡。這可能會對未來幾年產生兩方面影響: 一方面可以顯示哪些人可能需要更頻繁地接受篩檢。第二,將有助於確定化療預防試驗的潛在參與者,這可能帶來預防癌症的新療法,但如果不知道誰可能患上這種疾病,就很難進行後續開發。

 

直到最近,大多數人工智慧研究才真正集中在放射學和病理學,距離涵蓋癌症研究和治療的所有內容還有一段路程。但現在有很多與分子建模相關的科學進展,例如 AlphaFold,以及基於數十年來收集的實驗數據的新研究途徑。陳和祖克柏基金會(Chan Zuckerberg InitiativeCZI)倡議致力於開發利用AI推動生物醫學研究的開源軟體,該倡議持續釋放全球人類細胞圖譜和其他專案的資源,以幫助研究人員建立能夠表徵細胞狀態的模型和行為。除上述以外,透過血液分析、影像、細胞定序等方式可以獲得大量生物分子患者數據。

 

Dr. Barzilay將密切關注的一個項目是 ARPA-H ADAPT,該計畫將透過患者的多種治療方法來追蹤腫瘤的變化,並提供一個可供臨床醫生和研究人員存取這些數據的中心樞紐。目標是利用這些資訊預測癌症將發生哪種突變以逃脫目前的治療方法,並可能為患者提供下一步治療的個人化計劃。Dr. Barzilay 表示已經有了臨床上可以使用的 AI 工具,但對應的醫療保健基礎設施尚未建立, 像是美國全國綜合癌症網路(NCCN)和美國預防服務工作小組(USPSTF)的癌症篩檢指引對使用AI的建議有限,美國保險公司對基於人工智慧的工具的覆蓋範圍不足,使用此類工具也可能會對患者造成經濟損失。目前的法規準則也還未支持到人工智慧的快速變化,未來幾年,法規機構需要更好地了解什麼對病人來說是安全的。

 

至於人工智慧技術的偏差問題,Dr. Barzilay 解釋,雖然這是一個嚴重的問題,但人工智慧也可能成為解決方案的一部分。透過對不同人群進行大規模測試,我們可以真正解決偏差問題,幫助更好地提供醫療服務。

 

五、癌症差異與預防—Scarlett Lin Gomez博士/公共衛生碩士。

 

身為流行病學家,以及榮獲 2024 AACR 癌症健康差異科學傑出講師的Dr. Gomez看到了AI在分析複雜的多維度數據以更好地了解癌症健康問題時帶來的優勢,但她也表示,在實施這項技術時我們也必須謹慎行事。

 

隨著數據科學家開發AI算法,我們需要確保他們與差異研究者、流行病學家和社區成員密切合作,以避免在開發這些算法的過程中進一步加劇差異。然而,我們也有很大的潛力可以快速加速發現哪些因素促成了差異,這些因素之間的交集,以及這可能如何為干預措施提供信息。加州大學舊金山分校(UCSFHelen Diller家族綜合癌症中心的癌症控制計劃聯合負責人解釋。

 

Dr. Gomez強調,癌症差異是由多種因素造成的,2025 年的重點在於認識導致癌症的上游因素,這些是健康的結構性和社會驅動因素,包括結構性種族主義以及人們生活、工作、娛樂、成長和祈禱的鄰裡條件。除非關注這些最上游的因素,否則我們就無法完全消除癌症健康差異。目前已有一些實質性的努力朝著這個方向發展,包括專注於制定不同結構性種族主義衡量標準以及政策對調節癌症結果的影響的研究。

 

Dr. Gomez和她的團隊將在 2025 年更加密切關注的一個領域是民族聚居區概念,傳統上將其定義為特定群體較為集中的街區。在先前的研究中,他們發現居住在少數族裔聚居區的亞裔美國人比其他美國人有更好的生存結果,而居住在西班牙裔聚居區的西班牙裔美國人的癌症結果往往更差。現在,他們想了解各個民族聚居區有何不同。通過進一步區分民族聚居區並明確某個地方的具體屬性,可以找出一些具有保護作用但也可能造成有害影響的因素。這涉及到將注意力集中到一些通常被歸結為亞裔美國人、夏威夷原住民和太平洋島民等大類的不同人群,以及經常被歸結為西班牙裔的各種族群。

 

2025年還可以看到針對先前研究不足的促進癌症發生的因素(如氣候變遷)進行的更多研究。氣候變遷對社會經濟貧困地區的影響尤其嚴重,包括在熱浪來襲時城市地區會形成熱島,更容易斷電。使得原本就面臨癌症不良後果風險的人群將面臨更加不利的處境。對氣候導致的差異的研究可能也有助於推動政策變化,以減輕氣候變遷的一些影響。

 

但要實現上述目標,需要多學科團隊參與的大規模措施。團隊科學的想法在過去十年中被廣泛討論,但實際上卻很難實現。科學家們聚在一起解決一個問題,同時批判性地思考這些不同學科如何交叉,這在現實中是非常具有挑戰性的。但一旦終於開始看到這一點取得成果,將有助於促進細胞與社會的研究。

 

資料來源:

https://www.aacr.org/blog/2025/01/10/experts-forecast-cancer-research-and-treatment-advances-in-2025/