利用AI優化個體化腫瘤免疫治療
癌細胞的生存和繁衍過程可以通過達爾文的自然選擇理論來解釋。就像動植物一樣，癌細胞也經歷一個「適者生存」的過程。在這過程中，最適應環境的癌細胞會存活並繁衍，形成腫瘤。然而，這一過程也導致癌細胞對治療藥物產生耐藥性，成為癌症治療的主要難題。
癌細胞的耐藥性與腫瘤微環境中的進化壓力密切相關。腫瘤微環境是一個複雜的動態系統，包含多個無序增生和相互競爭的癌細胞種群。在無藥物治療的情況下，敏感型(不耐藥)癌細胞通常佔據主導地位；而在藥物治療期間，敏感型細胞的生長受到抑制，耐藥型癌細胞反而獲得競爭優勢。
因此，在癌症治療中，我們不僅需要殺死盡量多的癌細胞，還要考慮如何利用敏感型癌細胞來抑制耐藥型癌細胞的生長，延緩耐藥性的發展，從而達到更好的治療效果。
在臨床實踐中，醫生可以使用簡單的反饋調節策略來控製藥物劑量。在腫瘤規模增加到預定閾值時增加藥物劑量，而在縮小到另一個預先設定的閾值時減少劑量或停藥，即間歇性用藥。
然而由於每個患者的腫瘤均高度個性化，統一的治療方案往往效果欠佳。最新的臨床試驗顯示，前列腺癌的間歇性治療雖可減少總用藥量，提高患者生活質素，但生存時間未見顯著改善。因此，個性化的治療方案非常重要。
我們團隊近期提出了一種新的前列腺癌治療策略，利用強化學習算法針對個別患者優化用藥時機和劑量。每個患者的用藥判斷閾值都是個性化的，並根據癌細胞種群的競爭態勢進行動態調整。
這種方法不僅可提高治療的個性化水平，還展示了人工智能在解決耐藥性問題和提升癌症治療效果方面的巨大潛力，有望適用於多種癌症類型，為未來的癌症治療開闢新方向。
作者為港大醫學院藥理及藥劑學系副教授張清鵬