癌症多数由基因突变引起，随着科技的进步，现在许多肿瘤治疗都需要通过基因检测寻找已知基因突变的方式，确定合适的临床治疗方案。动辄几千上万元的基因检测到底多大程度上帮助了肿瘤患者治疗？厚厚的一本肿瘤基因检测报告到底有多少内容能使患者获益？

针对当前基因检测行业的痛点问题，中国科学院计算技术研究所高性能中心主任谭光明教授团队首倡计算医学。第27届全国肿瘤防治宣传周期间，澎湃新闻（）专访了中国科学院计算技术研究所西部高等技术研究院研究员牛钢，他从另外一个角度对当前肿瘤药物伴随基因诊断的现状以及未来出路进行了解读。

“查字典”作用受限，肿瘤基因检测留下大片空白

需要承认的是基因检测开创了一个精准医疗的时代。举例来说，部分肺癌患者的肿瘤组织样本中都会出现表皮生长因子受体（EGFR）基因的特定变异。在这种情况下，如果检测到21号外显子上的L858R突变，患者会感到“非常幸运”，因为采用相应的EGFR-TKI类靶向药物，很大机会能获益。

然而，更多的患者却没有这么幸运，一本厚厚的基因检测报告，检测到很多突变基因，但是医生看了之后还是给不出精准用药的治疗方案。

“这是整个基因检测行业的痛点。”牛钢表示，做基因检测是为了筛选出合适的用药人群，达到精准治疗的目的。

但能通过基因检测做到精准用药的患者占多大比例？牛钢对澎湃新闻表示，从时间断面上来说，以在医院确诊的肺腺癌患者为例，在部分人中有大致30%左右携带EGFR体细胞突变。加上其他与疗效相关突变（比如ALK融合基因5%、 RET融合基因1%，NTRK1千分之几），把所有携带相关变异的人数加在一起，这个比例大致上不超过40%，这是一个理想的横断面统计。

“用肿瘤基因检测指导癌症治疗，现在还是刚刚开始起步。”牛钢表示，因为基因检测是对单一的分子级别的标志物来进行一个检查，这里面是一一对应关系：单个分子和药效或预后之间的证据。

现在生物医学专家习惯性地将基因组数据与已有的知识体系进行“查对”，牛钢形象地把当前采用基因检测方法的伴随诊断的方式称为“查字典”。

“查字典的好处是操作简单、速度快，有时能帮患者找到比较强的证据，比如证据等级比较高（在较大型临床试验中获得的规律），对患者的治疗效果比较明确。”牛钢表示，但是查字典也有明显的缺点，第一就是字典里包含的知识是有限的。目前能作为治疗有效性标志物的基因和位点信息100个左右，不会太多。还有证据的分布并不平均，主要集中在非小细胞肺癌等病种中，但很多其他癌种都几乎没有证据，因此字典里“洞”很多。

牛钢表示，在更多实际临床场景下，当前基因检测方法能够覆盖的适应症较少，基因型决定表型的知识地图上有大片的空白。

在牛钢看来，如果能够从患者胚系和肿瘤基因组中理解病因、病理、肿瘤组织来源、预后、药物响应，以及肿瘤进化出的种种行为，那么实际上能够解决很多临床问题。

而要达到上述目的，不是目前基因检测行业能解决的问题，而是生物医学与信息技术、数据科学结合，形成的新产业方向才能解决的问题。“我们称之为面向癌症真实世界实践的计算医学方法。”牛钢表示。

变道超车，用数据科学方法解决现实问题

如果把肿瘤比作一个恶毒的敌人，在牛钢看来，现在临床医生缺乏敌人的情报，胜算其实很少。

牛钢举了个例子。每一个患者的肿瘤基因组都是不同的，癌细胞是从患者自身的正常细胞进化而来。所以肿瘤基因组的“土壤”就是患者自己的胚系基因组决定的土壤，肿瘤在这个基础上生长起来。那么土壤是什么，这些信息实际上还是很缺乏。

正是由于这些空白，体现在现实中就是每种癌症药物在临床上的使用只能使部分患者获益。

但牛钢也认为，特定人群获益，也就意味着这个药物在当前获益人群上符合某种规律。“这种规律理论上也应该能被总结出来。但是如果以目前伴随诊断方法作为研究基础，是很难总结的。”

牛钢把药物伴随诊断的基因组学标志物的发现比喻为从树上摘桃子，知识树上特别低垂的桃子被摘完了，稍微高一点就怎么也摘不到。

如何摘到知识树上高处的桃子？牛钢认为，现在就必须借助信息技术和数据科学的方法，结合生物学医学问题，通过数据和知识混合驱动的学习方法建立新的技术平台，对各种生物学功能、信号通路和细胞行为建立功能模型，用一种全新的科学角度来理解和使用肿瘤基因组携带的信息。按照上述思想建立起来的研究平台，对各种药物确定功能性标志物并建立伴随诊断方案，这种研发模式可以持续不停将癌症基因组信息与疾病表型和治疗疗效联系起来，就不再是一个特别困难的问题。