引入机器学习技术 Berg书写肿瘤药物研发新定义

　　2016年5月3日讯 药物的临床研究一直是医药公司业务的重要组成部分。如何能够在成千上万的数据中分析出正确的结果也是每一个研究人员面临的重要问题。最近，一家成立于2006年的新型生物医药公司就计划将机器学习的技术引入到肿瘤药物的临床研究中，用于更精确确定其新药BPM31510的适用患者群体。

　　Berg生物医药公司是2006年由美国地产大亨Carl Berg投资建立的，该公司致力于基因组学、系统生物学及利用人工智能进行新药研发等领域的工作。该公司目前有两项药物进入临床研究。此次，Berg公司计划开展一项利用BPM31510联合gemcitabine治疗胰腺癌的临床二期研究。

　　公司对其开发的Interrogative Biology平台表示了很高的期望。此次，Berg公司计划招募25名患有代谢性胰腺癌患者参与实验。通过分析患者的血液和组织样本，公司可以借助Interrogative Biology平台绘制每名患者的“分子图谱”并最终确定患者对该疗法是否响应。

　　值得注意的是，著名的梅奥医学院也在公司此次临床研究招募名单之中。整个研究计划预计将于2019年完成，届时公司将确定其疗法的总体响应率。研究人员此前预计BPM31510将可以通过激活线粒体的细胞凋亡通路来杀死肿瘤细胞。

　　随着奥巴马提出精准医学计划后，整个生物医药产业药物研发的思路正在发生潜移默化的改变。科学家们不再试图尝试用一种药物“一视同仁”地治愈某种疾病，而是开始讲同种疾病患者根据基因突变型等特征进行分类，从而达到精确靶向治疗的效果。而Berg公司此次引入了机器学习这一技术，无疑是契合了这一趋势。

　　肿瘤组织简介

　　肿瘤组织无论在细胞形态和组织结构上，都与其发源的正常组织有不同程度的差异，这种差异称为异型性。异型性是肿瘤异常分化在形态上的表现。异型性小，说明分化程度高，异型性大，说明分化程度低。区别这种异型性的大小是诊断肿瘤，确定其良、恶性的主要组织学依据。良性肿瘤细胞的异型性不明显，一般与其来源组织相似。恶性肿瘤常具有明显的异型性。