AI工具瞄准癌症早期筛查与临床试验预测
人工智能正通过早期检测工具和更优的临床试验预测推动癌症诊疗进步。卡内基梅隆大学分拆公司 Xlue Inc. 正开发AI识别高风险人群，同时预测分析也在帮助药企在肿瘤试验中优先推进更有前景的化合物。
卡内基梅隆大学（Carnegie Mellon University）一家分拆公司正利用人工智能，通过在数百万份患者病历上训练其预测工具，识别肺癌、肝癌和胰腺癌的高风险人群。Xlue Inc. 在无癌症病史患者中的预测准确率为50%，而对既往已患癌症患者的复发预测准确率达到70%。
医生表示，治愈癌症的最佳机会在于尽早发现，但现实并非总能如此。根据开放获取医学期刊《Cureus》2023年的一项研究，80%至85%的胰腺癌病例在这种侵袭性强且致死率高的疾病已进展到晚期时才被确诊。肺癌和肝癌也常伴有不典型或轻微症状，可能掩盖病情，直到为时已晚。
Xlue 的 CATCH-FM 工具通过模拟患者的疾病轨迹，识别与未来发生癌症相关的信号，从而使主治医生能够建议进行后续筛查，以实现早期诊断。该公司使用覆盖20年的数百万名患者电子病历对其预测工具进行训练，这些数据来自台湾一项大规模的国家医疗保险理赔数据库。公司也正在洽谈，对医院巨头 UPMC（宾夕法尼亚州最大的医疗体系）存储的离线、去标识化病历进行扫描。
这家总部位于 Shadyside、员工6人的公司于2025年从 CMU 分拆成立。该公司尚未实现盈利，在早期亲友轮融资中已筹集150万美元。Xlue 的技术也可进行调整，用于识别中风或心肌梗死高风险人群。
Xlue 的方法还可能节省成本：根据《American Health & Drug Benefit》杂志2021年的一项研究，保险公司为1名商业保险覆盖的转移性胰腺癌患者提供治疗的平均成本在95,000至116,000美元之间。对这3类癌症开展筛查最终可改善公共健康。例如，根据美国疾病控制与预防中心（Centers for Disease Control and Prevention）的数据，广泛开展乳腺X线摄影（mammography）筛查已帮助将乳腺癌死亡率降低8%至40%。
在美国，2022年仅有18.2%的符合条件人群接受了肺癌筛查。根据世界卫生组织（World Health Organization）GLOBOCAN 2022 数据，肺癌是全球癌症相关死亡的首要原因。
在药物研发方面，预测分析（predictive analytics）也在不断进步，尤其是在肿瘤学临床试验中。目前的预测模型正在改善，特别是在预测从I期到II期或III期临床试验的成功率方面。许多工具在这一领域已表现出相当强的准确性，有助于企业优先推进最有前景的化合物。
然而，从临床前阶段预测到临床结局要困难得多。首创新药（first-in-class）化合物往往缺乏足够的历史数据，使得准确建模面临挑战。尽管存在科学依据与作用机制（mechanism-of-action）层面的洞见，但要将其转化为可靠的临床预测仍然十分复杂。
最大的未满足需求，是预测哪些化合物会在临床中取得成功。未来，预测分析可能强大到足以减少对动物模型的依赖，尤其是在肿瘤学领域，因为这些模型往往无法预测患者结局。