Cell | 未来十年，精准医疗变革的七大机遇
本文阐述了当前精准医疗的临床治疗效果以及在此次新型冠状病毒疫情中的贡献，并从纵向队列研究、人工智能、常规临床基因组学、表型组学和环境等多个方面对未来十年精准医疗的前景进行了展望。
精准医疗是一种将个人基因、环境与生活习惯差异考虑在内的疾病预防与处理的新方法，首要目标是癌症的治疗，长期目标是创建个体化参与、数据共享和隐私保护的医学科学新模型。2021年3月18日，一篇名为“Precision medicine in 2030—seven ways to transform healthcare”的评论文章于著名期刊《Cell》上发表，作者对未来十年精准医疗的发展途径进行了预测和展望。
自2003年人类首次完成基因测序起，医疗领域的数据驱动型变革就已拉开帷幕。新分子和表型的研究将带来更精确的诊断、更合理的治疗以及更有效的疾病预防。2011年，美国国家研究委员会（National ResearchCouncil）基于精准医疗概念提出了“人类疾病新分类法”的主张。今日，医疗数据已被广泛应用于常规研究。特别在此次新冠疫情的爆发之时，基因组学和分子生物学技术起到了关键作用。在应对疫情的过程中，大量的病例报告暴露出种族的健康差异，强调了影响健康的社会因素；医疗大数据的相关组织汇集了庞大的数据库对风险因素进行快速调查，这证明了联合医疗数据的强大功能；汇集现有研究群体的数据进行快速基因组研究确定了与疾病易感性和患者预后相关的基因位点，使治疗更具有针对性。面对这次疫情爆发，许多要素都是基础精准医疗的基础能力，这突显了人们对精准治疗的迫切需求。
庞大的纵向队列研究
在过去的二十年中，“UK Biobank”、“theMillion Veteran Program”、“FinnGen”和“All ofUs”等国际队列研究计划通过对基因组、实验室、生活方式的评估以及对健康结果的纵向随访，积累了大量人口数据，这些数据的深度和广度令人震惊。为了最大程度发挥这些资源的作用，一种名为“开放科学”的方法逐渐浮现。例如，UK Biobank已向来自80个国家的19,000多名“善意研究者”敞开了大门，研究者在首次登录的两个小时后即可使用“All of Us”研究计划的数据云。他们下一步很明确：使研究人员更轻松地合并来自多个队列的数据。
多样性和包容性
当今生物医学企业面临的最大挑战之一就是研究对象多样性的缺乏。在已发表的全基因组关联研究（GWAS）中，只有不到3％的参与者来自非洲、西班牙或拉丁美洲的研究机构，而86％的临床试验参与者是白人。多样性的缺乏可能会加剧差距差异带来的风险，同时也会使生物学研究成果无法得到广泛应用。随着数据深度的增加，我们能采用更明确的方法调整针对不同种族研究方法，这将提供更合理的、基于病因的调整，并产生更好的风险分层和治疗方法。除了增加研究对象的多样性，生物医学研究人员的多样性也应受到重视，多样化的研究者可能会提出针对不同受众的问题，这有助于提供更好的研究策略。
大数据和人工智能
大数据和人工智能（AI）可解决许多难题，大量的生物医学数据也可以满足大数据的“ 5 V’s”标准，即大容量（voluminous）、高效（high velocity）、多变（manyvarieties）、显着可变性（significant variability）以及内在价值（intrinsic value）。在未来，临床数据（包括图像、叙述和实时监控数据）、分子生物学技术（包括基因组学原理）以及高分辨率可穿戴设备可用性数据流的增长，将大大扩展先前无法获得的表型数据，提高环境数据的可用性。同时，机器学习方法的应用也可能通过基因组、表型和环境预测因子发现新的疾病分类。
常规临床基因组学
目前，临床基因组分析通常仅用于评估癌症或罕见遗传疾病，且许多常用的检测仅评估少数遗传基因位点。在未来，全基因组方法将成为了解、预防、发现和治疗常见和罕见疾病的常规早期步骤。对于罕见病来说，基因组研究是一种更便宜有效的诊断方法。早期的基因组测序可以解决诊断难题，并发现“隐藏”的单基因遗传病，例如无法解释的肾脏疾病、非典型糖尿病或发育延迟等。此外，人们在过去的十年还发现，许多常见病（如糖尿病或高血压）可能与成千上万个基因位点的遗传风险有关，虽然许多基因位点可能具有非常小的遗传效应，但它们指出了涉及疾病发病机制的途径，可能具有重要的治疗意义。随着基因组学知识的增加，有效基因的数量和受影响人群的比例将显着增加。
电子病历
任何纵向队列研究的关键是详细的表型、暴露和健康结果评估。目前许多队列研究都在使用电子病历，与其他健康数据一同提供现有的疾病和治疗信息，这些信息可进一步用于研究，其用途也在逐渐扩大。
表型组学与环境
未来十年人们将会看到以各种不同的方式测量临床表型、暴露和生活方式的研究和临床应用。伴随着可穿戴设备使用的增加，环境相关的数据将变得更易获得。此外，多项临床测量的活动监测仪(如单导心电图和氧饱和度)也将变得方便快捷，且易于共享数据。由于患者生命的绝大部分时间是在医疗保健系统之外度过的，将可穿戴设备和其他患者提供的信息集成起来将增强电子病历及远程医疗的能力，这也在COVID-19疫情期间得到首次大规模体验。这些工具的整合可能产生一种变化，即大多数与健康有关的数据将来自于医疗保健环境之外。
隐私、信任与价值回报
精准医疗的应用依赖于广泛的参与，而大量人口的广泛参与需要信任、隐私保护和对参与者的价值回报。我们认识到，科学并不总是值得信任或平等地尊重所有参与者。透明度、与社区的真实接触以及在研究治理中包括参与者可以提高信任、创建参与者倡导者，并确保一个更周到、更具有文化敏感性的方向。同时，参与者也需要相信数据的安全性和隐私性，因此，与参与者进行清晰而诚实的沟通对于建立信任至关重要。
精准医疗技术的诞生已促进了医疗变革，目前基于基因组研究的新药也得到开发。在新冠病毒肆虐的今天，科学已成为解决这一威胁的答案。然而，医学进步的好处仍并未惠及所有人。在未来十年内，生物医学方法、计算机算法和高分辨率数据的可用性将显著增加，上述计划的实施也将实现面向全部人群的精准医学的愿景。
教授介绍
Joshua C. Denny，生物信息学和医学教授，美国数据和研究中心的首席研究员，美国国立卫生研究院（NIH）“All of Us”研究项目的首席执行官，致力于推进精准医疗以改善患者护理。在加入NIH之前，Joshua是范德比尔特大学医学中心(Vanderbilt UniversityMedical Center)的生物信息学和医学教授、精准医学中心(Center for Precision Medicine)主任和个性化医学副总裁。在VUMC，他既是一名实习内科医生也是研究人员。作为表型相关性研究(PheWAS)和表型风险评分研究的领导者，他的研究包括了使用电子病例(EHRs)和基因组学更好地了解疾病和药物反应。同时，他还领导了精准医疗的实施，以改善患者的治疗结果。
参考文献
Denny JC, Collins FS. Precision medicine in2030-seven ways to transform healthcare. Cell. 2021 Mar 18;184(6):1415-1419.doi: 10.1016/j.cell.2021.01.015.