对人体微观世界的探索才刚刚开始

孕妇在孕期都会做的一个检查项目叫无创产前筛查（NIPT）。通过抽取孕妇的静脉血，医护人员可以利用新一代基因测序技术获得胎儿的遗传信息，筛查胎儿属否患有染色体疾病。在这一场景中用到的是二代基因测序（NGS）。无创产前筛查是NGS技术应用比较成熟的领域，另一火热领域是肿瘤，覆盖诊断、早筛、复发监控、药物研发等环节。

不同于传统的检测技术，NGS的优势在于高通量，即可以一次性检测大量的基因，其中的大Panel检测可以检测多达数百个基因。研究人员可以观测到人体的突变基因，从而调整治疗方案，比如，根据突变基因来预测患者适合哪一类靶向药物。

要真正实现精准诊疗，对基因的探索必不可少。但目前，由于操作复杂性、成本以及技术成熟度等原因，NGS在临床上的应用仍处于早期阶段。如何探索海量的基因组数据，以及挖掘人体数据的关联性仍然是突破应用瓶颈的关键。在至本医疗CFO刘欣伟看来，未来随着大量的多重组学信息出现，人体数据如何交互、从业者如何根据这些数据的关联性相应建模、再根据建模跑出来的生物信息分析结果帮助诊疗，都需要探索。

Yi：YiMagazine

L：刘欣伟

Yi：精准诊疗发展至今有什么变化？

L：精准诊疗的基础是精准检测。就整个肿瘤治疗领域而言，靶向治疗、免疫治疗，以及一些新的辅助诊疗的时代已经全面到来，相较于10年前手术-化疗-放疗的传统诊疗方式发生了翻天覆地的变化，而且技术的应用迭代速度非常快。过去20年中，FDA共批准了140多种抗肿瘤药物上市，靶向抗肿瘤药物总体占比约65%，肿瘤基因检测也发挥着越来越重要的作用。我们在2016年推出了一款叫元溯大Panel的产品，它可以对人体600多个癌症易感基因做一次全面测序，这个就是NGS技术。这种大Panel检测，在技术上可以降低患者的检测成本，使临床医生更精准地对患者做相应的临床用药干预。

Yi：除去基因检测，头部的NGS企业也开始涉足癌症早筛业务，这是更难商业化的部分。做伴随诊断和癌症早筛的难点在哪里？

L：做诊疗检测的时候，我们会检测组织样本，组织样本里面就有肿瘤含量。当它超过一定含量，信号会很明显，所以测试的结果非常准确。早筛更多采用的是针对血液的检测技术，测血液中的ctDNA含量，该信号会非常弱，这便是早筛的技术难点，因为需要大量的训练样本来帮助排除信号中的杂音。通过大量的训练数据集，我们可以确定到底是什么信号。NGS癌症伴随诊断在中国是一个新兴的行业，目前还是一个临床未被满足的巨大市场。肿瘤早筛早诊虽是一个庞大的市场，但更应该看到这个领域的严肃性、复杂性和可及性。在伴随诊断之后，事实上还有一片广博的市场待开掘——复发监控。复发监控的市场空间和伴随诊断更加接近，其市场规模对应的是术后存活的肿瘤患者。

Yi：至本的数据库在收集哪些数据？如何应用？

L：外界可能会认为至本是一家检测公司，因为它的产品跟服务的变现手段是检测，但其实至本又不是一家检测公司，而是一家诊疗公司。我们在积累数据的过程中，除了会收集患者的分子数据，也会收集患者的基础临床信息，以及服完药物以后的随访信息。所以至本的数据库维度非常多。对于精准医疗来讲，维度越多，对诊疗的帮助就越大。比如，不同的性别、不同的年龄结构、不同的生活习惯、不同流程的发病部位、不同的分子结构，把这些信息串联在一起，就可以找到最适合服务患者的个体化精准诊疗方案。当然，我们也会符合合规性，保护患者隐私。

Yi：怎么理解至本是一家“诊疗”公司？

L：临床医生打开至本的平台会有两个库，其中一个是知识库，里面包含国际上发布的公开文章、行业内的最佳实践案例，至本的案例库也会开放给临床医生，他们可以根据案例库筛选与患者匹配度最高的临床治疗案例。这一部分目前放在我们的互联网医院平台上，也是提高我们与医生黏合度的平台工具。对于至本来讲，目前我们是在做案例库建设以及维护。另一个库是至本积累的真实世界数据。至本已经积累了完整的癌症大Panel数据库，数据包括癌症患者发病基因层面的原因、分子层面的变化、每一次治疗的情况和疾病管理过程中的信息等。目前主要有两方面应用：一是为抗肿瘤药物研发提供定制化解决方案，可以帮助到新药研发；二是聚焦癌症患者诊疗的全程数字化，能够覆盖癌症诊疗产业链的各个环节。

Yi：数据显示美国晚期癌症病人被建议做NGS癌症伴随诊断检测的比例达到23.5%，中国是6.4%。NGS在中国渗透率不高的原因是什么？

L：其实NGS在过去几年一直呈现高速发展的势头，毕竟它在2014年、2015年才开始逐渐在技术上获得认定，2016年获得临床认可。所以新技术在临床诊疗干预的技术落地过程中，渗透率会有从低到高的爬升过程。静态来看，它的占比非常低，但是动态来看，未来它会在肿瘤检测中占据非常重要的位置。NGS技术在中国未来的癌症治疗领域要获得更加良性快速和持久的增长，需要几个前提：第一是技术的成熟度要受到行业内专家的普遍认可；第二是政策落地以及相应行业标准的细化，这样可以为技术落地，以及在医院范围内的推广保驾护航；第三个也是非常重要的因素，那就是保险问题，如何与商保合作。现在市面上也有越来越多这样的尝试，逻辑是这样——首先患者做检测，检测完医生会指导患者的用药，部分药物是商保覆盖的。这里面就存在两段服务，第一段是检测，第二段是用药。我们相信在未来的逐步尝试中，它会成为一个相对比较成熟的商业模式。

Yi：至本还做了一个互联网医院，它在整个公司生态里扮演什么样的角色？

L：我们的互联网医院简单来说背负的是两个责任，一个是运用更现代化的工具和手段帮助医生做诊疗；第二个是帮助医生做患者的全程管理。从最开始的病史病理，到分子检测、治疗方案的制定、临床入组、预后随访以及保险支付，都可以用我们的数据结构和业务链来对患者做档案管理；第三是我们也开发了一些很有意思的AI工具，就像我们前阵子刚发布的CUP AI，它是一个针对原发灶不明肿瘤的预测工具，目前支持24种常见肿瘤。比如说，某位患者有一个肿瘤出现在肺部，但它原发灶可能并不是肺癌。我们推出的模型可以结合基因检测和人工智能技术，从原发判断到底属于什么癌症。我们会持续不断地开发这样的小工具提供给医生。

Yi：要真正实现基因组指导治疗以及精准医疗，最大的难点在哪里？

L：其实人体对宏观的探索要远远快于对人体微观世界的探索。我们的交通工具已经登上火星，但我们对人体的探索才刚刚开始——我们的基因组、我们的细胞、我们的蛋白质组学等等。未来会有大量的信息释放出来，结合不同的数据可以建模做分析，从而推导或者汇编出对临床诊疗有价值的信息，这是一个不断累积的过程，毕竟我们现在还在做测量基因信息的工作。因此，最大的难点还是如何探索基因组学里的更多数据，然后挖掘数据的关联性，包括疾病跟人体生物信息的关联、药物之间的关联等等。这是一个持续性的过程，未来依然有很长一段路要走。