引言
近期，一项由耶鲁大学科学家联合领导的跨国研究取得了重大突破。研究团队开发并测试了一款名为AAnet的全新人工智能（AI）工具，它能够以前所未有的精度描绘出肿瘤内部的细胞多样性，为癌症患者，特别是乳腺癌患者的个体化靶向治疗开辟了新的道路。
这项关于AAnet开发与应用的研究成果已发表在权威期刊《癌症发现》（Cancer Discovery）上，预示着癌症治疗可能迎来一场变革。
肿瘤异质性：癌症治疗的“隐形杀手”
在癌症治疗中，一个长期存在的棘手问题是，肿瘤并非由单一类型的细胞构成，而是一个由多种不同细胞组成的复杂混合体。这些细胞在生长方式、对治疗的反应上都存在差异。这种多样性，即肿瘤异质性，是导致治疗困难和预后不佳的关键因素，在三阴性乳腺癌等侵袭性癌症中尤为突出。
“肿瘤异质性之所以是个难题，是因为我们目前的治疗策略常常假设肿瘤细胞是均一的，”研究的共同通讯作者、Garvan医学研究所的Christine Chaffer副教授解释道，“我们通常采用一种针对特定机制的疗法来杀死大部分肿瘤细胞。但问题是，并非所有癌细胞都共享这一机制。结果就是，患者可能在初期反应良好，但残存的癌细胞会继续生长，导致癌症复发。”
AAnet：精准识别五种新型癌细胞亚群
为了解决这一难题，研究团队开发并训练了强大的人工智能工具——AAnet。该工具能够深度分析肿瘤内单个细胞的基因表达数据，并从中发现隐藏的模式。
研究团队将AAnet应用于三阴性乳腺癌的人类模型以及ER阳性、HER2阳性和三阴性乳腺癌的患者样本。通过分析，他们成功在单个肿瘤内识别出五个具有显著不同基因特征的癌细胞亚群，研究者称之为“原型（archetypes）”。
Chaffer教授补充说：“利用我们的AI工具，我们稳定地发现了这五个细胞原型。每个原型都展现出不同的生物学行为、生长和转移倾向。我们的下一步是研究这些细胞群体如何随时间变化，例如在化疗前后会发生什么改变。” 能够获得如此精细的细胞层面信息，是癌症研究领域的一项重大进步。
全新分类体系：驱动更优的个体化靶向治疗
研究人员指出，利用AAnet根据生物学特性对肿瘤细胞进行分类，为癌症治疗模式的转变打开了大门。这意味着未来的治疗将不再是“一刀切”。
“目前，癌症治疗方案的选择主要基于肿瘤来源的器官（如乳腺、肺部）和特定的分子标志物。但这忽略了肿瘤内部的细胞异质性，”Chaffer教授说，“现在，我们拥有了AAnet这个工具，可以真正理解患者肿瘤中每一群细胞在生物学层面上的功能。我们希望借此更合理地设计联合治疗方案，确保能够通过不同的生物学通路，靶向并清除所有不同类型的癌细胞。这有望极大地改善患者的治疗结局。”
研究的另一位共同通讯作者、Garvan研究所首席科学官Sarah Kummerfeld教授展望道：“我们设想的未来是，医生将这种AI分析与传统诊断相结合，为每位患者开发出能靶向其独特肿瘤内所有细胞类型的、更加个性化的治疗方案。这项技术不仅限于乳腺癌，其应用潜力还可扩展到其他癌症乃至自身免疫性疾病。对于正在寻求有效治疗方案的患者来说，了解自身肿瘤的详细构成，将是选择最合适靶向药物和治疗策略的关键一步。”
