2015年,精準醫(yī)療(Precision Medicine)作為疾病治療方案被提出,它強調在治療前期個人的基因變化、環(huán)境影響的重要性,同時治療中將以基因測序和大數(shù)據(jù)技術為主要手段。根據(jù)億歐整理的數(shù)據(jù)顯示,精準醫(yī)療的火熱、飛速、指數(shù)上升式發(fā)展,似乎在2019年稍有降溫。伴隨著高投入、用戶少和技術壁壘,資本市場似乎趨于冷靜,精準醫(yī)療陷入短暫的資本寒冬。但是,2020年,上游NGS行業(yè)龍頭接連上市、新冠疫情爆發(fā)對精準醫(yī)療行業(yè)帶來新的增長,資本市場快速回暖。
預防、診斷、治療、預后
四個環(huán)節(jié)精準疾病全周期
(一)精準預防——群體疾病早篩新型預防醫(yī)學
精準預防是以生物信息數(shù)據(jù)(多組學、流行病學等)和其他因素(社會、行為、環(huán)境等)為基礎,依靠基因檢測和大數(shù)據(jù)分析技術,進行大群體的疾病早期篩查(腫瘤和慢病的DNA檢測、風險評估、針對預防)的新型預防醫(yī)療方式。相較傳統(tǒng)預防,具備個性化、連續(xù)性、預警性等特征。
(二)精準診斷——突破傳統(tǒng)診斷,以基因測序技術和抗原抗體免疫反應為基礎
傳統(tǒng)意義上診斷包括醫(yī)療影像、體外診斷。影像學診斷包括超聲診斷、核磁共振成像、CT成像和AI醫(yī)學成像,體外診斷包括生化診斷、免疫診斷、分子診斷、微生物診斷等。其中,分子診斷和液體活檢以基因測序技術為基礎,免疫診斷利用抗原抗體之間的特異性免疫反應,AI醫(yī)學影像依賴人工智能技術,都可劃入精準醫(yī)療的范疇。
基于精準醫(yī)療的疾病篩查流程可劃分為群體疾病預測、個體基層篩查和個體AI影像定位,精準定位高風險人群,篩查基因突變位點和可視化腫瘤。
(三)精準治療——深入基因和腫瘤微環(huán)境,突破新藥研發(fā)瓶頸
精準治療是精準醫(yī)學的重要陣地,具有較大的潛在客戶人群和市場前景,主要包括基因治療、免疫治療、小分子抗腫瘤靶向藥物和單克隆抗體藥物。
FDA對基因治療(gene therapy)的定義是基于修飾活細胞遺傳物質而進行的醫(yī)學干預。細胞可以體外修飾后再注入患者體內,或將基因編輯治療產(chǎn)品直接注入患者體內,使細胞內發(fā)生遺傳學改變�;蛑委煹募夹g發(fā)展上,“轉基因”和“基因編輯”雙線發(fā)展;治療方式上,“體內(in vivo)”和“離體(ex vivo)”各有所長;治療思路上,分為上調和下調目的基因表達。
2018年7月16日,美國 FDA 局長 Scott Gottlieb 博士發(fā)表聲明,宣布 FDA 將繼續(xù)大力推進基因療法的開發(fā),并發(fā)布了 6 大指南。同年,F(xiàn)DA批準了三種基因療法產(chǎn)品,能夠可靠地將可以整合進基因的DNA單元——基因盒(gene cassettes)輸送到細胞和人體中。
細胞免疫治療是一種新興的腫瘤治療方式,已成為惡性腫瘤治療研究的熱點領域。細胞免疫療法是基于免疫學原理與方法,采集人體免疫細胞,進行體外培養(yǎng)和擴增,以增強靶向性殺傷功能,再輸回人體內,通過調動機體免疫系統(tǒng)殺傷血液與組織中的病原體、癌細胞及突變細胞,抑制腫瘤生長,增強機體免疫能力。
細胞免疫療法分為非特異性和特異性兩類。非特異性療法將一種及以上的免疫細胞體外培養(yǎng),再導入人體內,激活人體的天然抗腫瘤系統(tǒng),釋放穿孔素、顆粒酶、細胞毒素等活性物質,間接地殺傷腫瘤細胞。特異性免疫療法同樣在體外培養(yǎng)免疫細胞,但是利用基因工程處理,再輸回人體內時,具有特異識別靶向腫瘤細胞的功能,可以精準定位、直接殺傷癌細胞。
小分子抗腫瘤靶向藥物,是通過化學合成途徑制備的抑制腫瘤癌細胞血管生成、特異性信號轉導通路等過程中的核酸、蛋白質的合成的藥物,通常對腫瘤細胞具有高度特異性但對正常組織無損傷或損傷較輕,藥物的相對分子量小于1000。目前,應用于臨床的有阿斯利康研發(fā)的抗肺癌靶向藥吉非替尼、輝瑞研發(fā)的腎癌靶向藥阿昔替尼等。其中,最出名的是《我不是藥神》中所提到的由瑞士諾華公司研制出格列衛(wèi)——人類第一個用于抗癌的分子靶向藥。
單克隆抗體(簡稱單抗),是指由單一B淋巴細胞克隆產(chǎn)生的,僅針對某一特定抗原表位(抗原決定簇)的抗體。不同于常規(guī)抗體,單抗具有理化性狀高度均一、生物活性單一、與抗原結合的特異性強、便于研究者處理和質量控制等特性。單抗藥物主要用于治療癌癥、自身免疫病、炎性疾病和傳染病。如今,應用于臨床的有貝伐珠單抗、西妥昔單抗和易普利姆瑪?shù)取?/span>
(四)精準預后——建立預后風險模型,輔助醫(yī)生決策
精準預后利用患者樣本數(shù)據(jù)數(shù)據(jù),借助機器學習方法,建立結合臨床及病理學的預后風險預測模型及風險分層系統(tǒng),幫助醫(yī)生進行更好地對病人進行預后指導。常見的估計方法有Kaplan-Meier法,利用病人信息,如年齡、治療時間、基因標志物的表達量等繪制生存曲線,從環(huán)境、基因等角度精準估計,輔助醫(yī)生做出預后決策。
溫馨提示:內容僅供信息傳播,供參考.
來源:億歐