Science Bulletin｜人工智能与多组学时代的肿瘤中西医精准防治

当前肿瘤发病率居高不下，严重危害人类健康。以胃癌为例，我国每年新发胃癌病例约占全球的43.9%，对其有效防治迫在眉睫、意义重大。肿瘤发生是一个以生物分子网络紊乱为特征的、多尺度和多因素参与的复杂过程，其内在规律迄今尚未阐明，成为限制肿瘤临床精准防治的关键瓶颈。随着生物医学研究进入人工智能和大数据时代，如何从海量的生物医学数据中解析出表征肿瘤发生与干预规律的生物网络，并指导肿瘤临床精准防治？这既是复杂系统与复杂网络研究的难点，也是当前信息科学与中西医学高度关注的一个前沿问题。

清华大学自动化系、北京市中医药交叉研究所李梢教授团队致力于从“生物网络”这一系统的角度研究肿瘤发生与干预机制，通过人工智能、大数据与中西医学交叉，创建“网络靶标”理论与技术体系，在胃癌等中西医精准防治中取得重要应用。近日，该团队在Science Bulletin发表了题目为“Network-based cancer precision prevention with artificial intelligence and multi-omics”的专家评介文章，对人工智能和多组学数据时代的生物网络分析方法及其应用于肿瘤中西医精准防治的最新进展进行了总结和展望。

该文首先深入阐释了网络靶标理论与方法在解析肿瘤发生相关多组学数据方面的特点与优势，并进一步提出方法学研究的新构想、新方向。文章认为，构建深度可解释网络关系推断框架是基于生物网络的肿瘤中西医精准防治方法学研究的一个重要方向。这一框架主要包括特征关系智能推断和网络靶标智能辨识两部分。其中，特征关系智能推断聚焦多组学数据的模态互补潜力，通过系统解耦中西医临床表型、影像组学、细胞与分子组学等数据不同模态内及模态间的特征关联，实现表型-细胞-分子-药物等多层次生物网络的构建；网络靶标智能辨识则聚焦多层次生物网络的模块推断与学习，通过建立融合生物医学先验知识的特定智能模型，辨识表征肿瘤发生以及干预机制的网络靶标，发掘指导肿瘤精准防治的标志物与中西药物。该框架一方面通过将对象特征的学习转变为对象特征关联的学习，拓展对象特征空间，有望突破肿瘤发生相关组学数据“小样本、弱标签、高耦合”瓶颈；另一方面通过明确网络层次的生物学含义和网络靶标的临床价值，有望克服当前人工智能方法应用临床肿瘤防治面临的可解释性问题。因此，深度可解释网络关系推断框架的构建，将会推动人工智能在肿瘤中西医防治中的深入应用，也是网络药理学和人工智能方法学发展的重要方向。

进而，以胃癌防治为应用范例，该文系统概述基于生物网络与人工智能的胃炎癌转化多组学数据解析与中西医精准防治研究进展。尤为重要的是，文章系统介绍了该团队历时20余年所创建的胃癌极早期中西医精准防治体系，该体系包括智能预警、极早诊断和精准防治三部分，是多组学数据、人工智能与网络药理学、中西医学融合创新的结晶与典范。该体系的建立首先是对胃癌防治理念的一个重要突破，率先提出胃癌“极早期”这一表征癌变临界状态的全新分期。在此基础上，系统采集与智能解析50余万例胃炎癌转化中西医临床数据、以及典型序贯病例的多组学数据，率先构建胃炎癌转化表型-细胞-分子-药物等多层次生物网络。通过深入解析多层次生物网络，发现表征胃癌癌变临界状态的“胃癌极早期细胞”，实现胃癌发生高精度预判和胃癌极早诊断；发现胃癌风险预警相关中西医特征，实现智能预警；发现靶向胃癌极早期网络的防治中药，填补胃癌极早防治空白。目前，该体系已在中国多个胃癌高发区及其医院推广应用，彰显其广阔的应用前景。文章同时也提出，“极早期”可能是包括消化道肿瘤在内的多种肿瘤发生的一个共性阶段，构建极早期中西医防治体系将是肿瘤临床精准防治研究的重要方向，值得进一步深入。

总之，文章认为，以极早期为切入点和突破口，构建基于生物网络的肿瘤中西医精准防治研究模式，是理解肿瘤发生与干预规律的重要途径，有望实现中、西医学研究范式的革新。

清华大学自动化系助理研究员张鹏为该文的第一作者，李梢教授为通讯作者,研究得到国家自然科学基金重点项目、专项项目等资助。