共计 1094 个字符，预计需要花费 3 分钟才能阅读完成。
一项来自密歇根大学的最新研究，正在为脑癌治疗领域带来革命性的变化。研究人员成功开发出一种基于机器学习与数字孪生技术的创新方法，能够为脑癌患者，特别是胶质瘤患者，提供高度个性化的治疗指导。这项技术有望帮助医生精准识别最有效的治疗策略，从而避免无效治疗，提升患者生存质量。
这项发表于顶级期刊《细胞代谢》的研究，解决了一个长期困扰医学界的难题：如何快速区分哪些脑癌患者能从特定的饮食干预中获益。此前研究发现，部分胶质瘤的生长可以通过调整患者饮食，限制某些特定氨基酸的摄入来减缓。然而，并非所有肿瘤都对此敏感，有些肿瘤能够自行合成所需养分。数字孪生技术的出现，为这一精准判别提供了可能。
那么，这项脑癌个性化治疗的数字孪生系统究竟是如何工作的呢？研究团队构建了一个基于计算机的“数字孪生”模型，它能够模拟个体患者脑肿瘤的独特代谢活动。该系统整合了来自患者血液检测、肿瘤组织代谢测量以及肿瘤基因图谱等多维度数据。通过一个名为卷积神经网络的深度学习模型，系统可以计算出癌细胞消耗与处理营养物质的速度，即代谢通量。
“这是首次运用机器学习与人工智能方法，直接测量患者肿瘤内部的代谢通量，”该研究的共同第一作者 Baharan Meghdadi 解释道。这一突破意味着，医生无需依赖传统且局限的术中测量或术后分析，就能获得肿瘤代谢的动态全景图。
该数字孪生系统的强大之处在于其预测能力。研究团队通过对比人类患者数据并进行小鼠实验，验证了模型的准确性。例如，系统成功预测了饮食控制仅能减缓特定类型肿瘤的生长。更重要的是，它还能评估靶向药物的有效性。系统曾准确识别出某些肿瘤能够通过“补救途径”从周围环境获取养分，从而对旨在阻断 DNA 合成的药物产生耐药性，这一预测同样在小鼠实验中得到证实。
“这一卓越工具可以帮助医生避免为患者开具肿瘤已具备耐药性的治疗方案，是我们迈向更精准、个性化医疗的重要一步，”神经外科助理教授 Wajd N. Al-Holou 补充道。
展望未来，这项脑癌治疗技术的前景令人振奋。医生或可利用患者的数字孪生模型，在患者实际调整饮食或开始新药治疗之前，预先在虚拟环境中测试特定疗法是否能有效“饿死”癌细胞。这不仅能节省宝贵的治疗时间，更能让患者免于承受不必要的治疗副作用，将精力集中于最可能有效的方案上。
“这项工作让我们更接近真正的个性化癌症治疗——不仅针对脑癌，最终有望拓展至多种肿瘤类型，”研究的共同通讯作者 Costas Lyssiotis 表示。
目前，研究团队已在密歇根大学创新合作办公室的协助下就相关技术申请专利保护，并正在积极寻求合作伙伴以推动其市场化，让这项前沿的脑癌个性化治疗技术早日惠及全球患者。
