加州大学圣地亚哥分校医学院和摩尔斯癌症中心的教授特里·伊德克(Trey Ideker)博士说：“这是因为目前我们法以明智的方式将合适的药物组合与合适的患者相匹配。” “尤其是对于癌症，鉴于人肿瘤细胞独特，复杂的内部运作，我们无法总是预测出哪种药物最有效。”

在2020年10月20日发表于Cancer Cell的论文中，Ideker和Brent Kuenzi博士以及Jisoo Park博士在其实验室中进行了博士后研究，他们描述了他们创造的一种新的人工智能(AI)系统DrugCell不仅使肿瘤与最佳药物组合匹配，而且对人类有意义。

“大多数AI系统都是'黑匣子'，它们可以非常准确地预测，但实际上我们对它们的工作方式并不十分了解，” Ideker说，他也是《癌细胞图谱》计划和美国国家癌症中心的联合主任网络生物学资源。

他以互联网图片搜索“猫”的工作方式为例。在幕后工作的AI系统已在现有的猫图像上进行了训练，但是如何将新图像实际标记为“猫”而不是“鼠”或其他东西尚不清楚。

为了使AI在医疗保健中有用，Ideker说，我们必须能够看到黑匣子，以了解该系统如何得出结论。“我们需要知道为什么要做出这个决定，这些推荐药物的靶向途径是什么，以及积极的药物反应或药物反应被拒绝的原因。”

该团队在DrugCell上的工作始于几年前的酵母中。在先前的研究中，他们使用有关酵母细胞基因和突变的信息构建了一个称为DCell的AI系统。DCell预测了所有在“黑匣子”之外的细胞行为，例如生长。

DrugCell是DCell的下一代版本，接受了1200多种肿瘤细胞系及其对近700种FDA批准和实验性治疗药物的反应的培训，总共有500,000多种细胞系/药物配对。研究人员还在实验室实验中验证了DrugCell的一些结论。

使用DrugCell，该团队可以输入有关肿瘤的数据，系统返回最知名的药物，控制对该药物反应的生物学途径以及可以最佳治疗恶性肿瘤的药物组合。

精密癌症疗法已经在加州大学圣地亚哥分校健康分校的摩尔癌症中心提供，那里的患者可能需要对他们的肿瘤进行活检以进行突变测序，并由跨学科专家小组的分子肿瘤委员会进行评估。董事会建议根据患者独特的基因组改变和其他信息进行个性化治疗。最近的一项研究表明，这些患者的预后较好。在某种程度上，DrugCell模拟了人类分子肿瘤委员会。

Kuenzi说：“我们对DrugCell能够从实验室细胞系(我们训练过的模型)到小鼠和患者的肿瘤以及临床试验数据的转化表现出如此出色感到惊讶。”

该小组的最终目标是使DrugCell进入诊所，为患者谋福利，但研究作者警告说，仍有许多工作要做。

帕克说：“虽然1200个细胞系是一个好的开始，但它当然不能代表癌症的完全异质性。” “我们的团队现在正在添加更多的单细胞数据，并尝试不同的药物结构。我们还希望与现有的临床研究合作，将DrugCell用作诊断工具，并在现实世界中对其进行前瞻性测试。”