2026-11-17 慢病好日子.醫藥未來式
【醫藥未來式】癌症預測下一步:不只看基因,蛋白質如何成為評估罹癌風險的新希望?
《醫藥未來式》從產業新布局出發,解讀正在發生的改變。從新科技突破到商業策略,企業合作到制度變革,我們將複雜的產業動態轉化為容易理解的趨勢觀察,每月一篇專文,解析事件背後的關鍵訊號,以及它們將如何形塑未來。讀完這篇文章,你會知道:●癌症預測除了關注基因,蛋白質研究也在近年崛起,為何出現這樣的改變?●在癌症預測的領域上,台灣手中握有什麼籌碼?●如果真的能提前數年找出「癌症高風險群」,未來的「治療」可能會是什麼情況?下一代癌症醫療:從「發現癌症」,到找出「誰正走向癌症」?癌症醫療的起點,會不會有一天不再是「發現癌症」?當一個人還沒有被診斷出癌症,甚至腫瘤還沒有被影像看見之前,人體內可能早已出現一連串變化。科學家們正致力於回答一個問題:我們有沒有機會透過抽一管血,找出誰正在走向癌症?今年6月,一篇刊登於權威期刊《細胞》(Cell)上的研究,將這個問題往前推進一步。研究中,團隊開發了一個AI機器學習框架,分析英國人體生物資料庫(UKBiobank)超過4.8萬人的血液樣本,從2923種蛋白質中,找出14種蛋白質組成的特徵標記。結果發現,這組標記有機會在肺癌確診前超過5年,辨識出未來罹患肺癌風險較高的人,這樣的預測模型也在8個外部數據集中獲得了驗證。這項研究真正有意思的地方,不僅是有機會提早5年找到肺癌,仔細看會發現,科學家試圖揪出的並不是已經存在的癌細胞,而是癌症形成之前,人體可能已經出現的促發炎、促腫瘤環境。過去的癌症風險評估與篩檢,某種程度上像是站在時間軸的兩端。一端是基因:知道一個人可能先天上具有較高風險;另一端是影像或腫瘤標記:當癌症已經出現,試圖把它找出來。然而兩者之間,其實還有一段「正在往癌症的方向形成、卻難以診斷辨識」的空白。「我們現在缺少的,就是在先天性比較有機會得癌症,到已經透過腫瘤marker(標記)、影像學看見癌症發生,中間這一段,目前我們的技術還沒有一個比較好的方法。」台灣人體生物資料庫執行長、兼生物醫學主管褚候維指出,如何在癌症尚未被傳統檢查發現前,辨識一個人正在升高的罹癌風險,是現階段癌症預測技術仍待突破的問題。如果未來能透過蛋白質組合,看見一個人接下來數年發生肺癌的風險,就有機會補上過去癌症預測中間缺少的那一塊。褚候維解釋:「如果只是一次資料的蒐集,那就像一張照片。可是如果我有一群長期的追蹤資料,那就會像看影片一樣,我有不同時間的不同畫面變化,就能比較容易去了解疾病的狀況與病人的狀態。」例如,假設研究人員從資料庫中找出晚年罹患糖尿病的人,再與始終沒有罹患糖尿病的人比較,就有機會找出疾病演進過程中,哪些生物訊號較早出現變化。未來如果另一個人也出現類似訊號,就可能進一步評估他的疾病風險,甚至在疾病真正發生前介入。「如果他聽了我的建議去改變自己的生活或飲食型態,那這就是我們想要看見的一個狀況。」當然,這類研究目前距離真正進入臨床,還有一段路要走,但類似的發展方向已成為科學家努力突破的研究領域。從基因到蛋白質:科學家如何尋找癌症發生前的訊號?在癌症風險預測研究中,過去多半從基因切入。近年來,科學家也開始把目光轉向血液中的蛋白質。中研院院士、國內肺癌權威楊泮池醫師指出:「比起基因,去測蛋白質能更實際、也更直接地反應細胞實際執行的狀況。」基因攜帶的是製造蛋白質的遺傳訊息,但基因是否表現、表現多少,還會受到環境等多種因素影響,真正執行細胞功能的仍是蛋白質。而這些細胞活動的變化,可能正是癌症風險留下的線索。以發炎反應為例,當身體受到感染或組織受損時,免疫系統會啟動一連串反應,並透過不同蛋白質傳遞訊息、調節免疫活動。這是身體正常的防禦機制,但若發炎長期持續,特定情況下也可能促進細胞損傷、影響周遭微環境,增加癌症發生的機會。而在這過程中,血液中部份蛋白質的濃度變化組合,或許便能反映免疫、發炎或其他生理過程的差異,成為辨識未來罹癌風險的線索。這其實並不是新觀念,然而過去受限於實驗技術,難以將「基因」到「癌症發生」中間的這段空白,透過蛋白質測量有效的補起來。直到近年相關技術逐漸發展成熟,事情才開始有了轉機。過去10至20年間,基因體研究之所以快速發展,與次世代定序技術成熟有關。如今蛋白質體也走上類似的發展路徑,從過去一次只能分析少數蛋白質,到現在高通量技術可以同時處理數千、甚至更多種蛋白質。楊泮池指出,蛋白質相對比較穩定,針對蛋白質的測定方法也逐年進步,讓大量檢測的費用降低。而在存放多年的冷凍血液檢體當中,蛋白質在其中也穩定不易變性。然而當資料變成數千種蛋白質,再加上生活環境、臨床紀錄與長期追蹤,龐大的資料集如何進行分析成為另一項難題。所幸受惠於近來生成式AI技術,讓這項難題迎刃而解,蛋白質分析便在天時、地利、人和的絕妙時間點,開始蓬勃發展。當癌症預測成為下一個戰場,台灣有什麼籌碼?不過光有一管血,還不足以回答「誰正在走向癌症」。真正的關鍵,在於研究者必須知道這管血背後的人,在長長的時間軸上發生了什麼事。若想研究「癌症預測」,針對在地民眾、橫跨長時間軸進行大規模的醫療資料蒐集,會是一切的基礎。台灣手上有這樣的資料嗎?答案是有的,其中之一便是已經收案超過20萬人的「台灣人體生物資料庫」(TaiwanBiobank)。2012年成立的台灣人體生物資料庫存在的目的是什麼?如果把它想像成一座大型圖書館,裡面的「藏書」就是台灣人的基因、檢體、健康資訊與長期追蹤紀錄。科學家要研究一種疾病,就像從這座圖書館裡找出符合條件的人,再回頭比較他們在疾病發生前,身體究竟發生了哪些變化,重新拼出疾病發生前的軌跡。在其中擔任執行長的褚候維指出,台灣人體生物資料庫實際在做的事,便是以社區族群為基礎進行長期追蹤,每2至4年以上,會再次聯繫參與者提供檢體及相關資訊,藉此掌握在長長的時間軸上、一個人健康狀況及生活環境資訊的變化,建立一套屬於台灣人的大型人體生物資料庫。而這座資料庫接下來也將進一步擴充研究的深度。中研院院長陳建仁今年8月時表示,台灣人體生物資料庫後續將在既有的20萬人基因型資料基礎上,啟動下一階段大規模血漿蛋白質體檢測,結合跨體學分析並接軌國際大型研究。所謂「跨體學」,就是將不同層次的生物資訊放在一起分析。褚候維解釋,這些資料包括基因體、表觀基因體、蛋白質體與代謝體等。當研究者不再只看單一類型的資料,而是進一步分析它們彼此之間的關聯,就有機會更全面地理解人體的生理變化與疾病發生機制。「預測得到」之後的真正戰場:找出高風險族群,然後呢?當有一天,技術真的成熟到可以預測一個人未來罹患癌症的風險,真正的問題就會變成「知道了,後面能做什麼」?在臨床上,楊泮池指出,目前有相當比例的肺癌病人確診時已經進入第四期。如果能夠在第一期就發現,治療效果與5年存活率都會明顯不同。換句話說,癌症預測最直接的價值,是把「發現癌症」這件事再往前推。但如果還能再往前一步呢?「若進一步從預防端來看,要怎麼預防?那就是環境的致病因素要把它拿掉。」楊泮池指出,癌症風險並不是一個出生時就決定、此後完全不變的數字,而是受到基因、環境與生活型態持續交互作用的結果。抽菸、飲食、運動以及長期暴露的環境,都可能改變一個人的疾病風險。因此,當醫療可以提早找出高風險族群,下一步就不只是「更早篩檢」,還包括能不能在癌症真正發生之前,就把風險降下來?這也是目前癌症預測研究真正困難的地方。前台大醫院癌醫中心分院院長楊志新醫師,也表達類似的觀點:「我們現在正在追求的,就是希望早一點知道哪些人、會得到什麼樣的病。」楊志新說,目前醫療已經能做到一定程度的早期發現。但如果未來能找到藥物,或透過戒菸、改變生活方式與環境等方式,進一步降低疾病真正發生的機會,才會讓「預測」產生更直接的臨床價值。在藥物研發領域,這是一個不同於傳統癌症治療的新問題:如果癌症的發生與特定發炎反應或其他機制有關,能不能在疾病形成前就改變這條路徑?這個問題吸引研究者投入探索,Canakinumab便是其中一個例子。作為一種抗體藥物,Canakinumab可以阻斷體內的IL-1β,減少過度發炎反應。研究團隊發現這款藥物的使用,可能與肺癌發生率和死亡率顯著降低有關。目前科學家正持續研究,想了解在Canakinumab阻斷體內的IL-1β之後,能不能預防高發炎體質的風險族群,後續演變成肺癌。另外一個例子,便是去(2025)年引起許多關注的實驗性「癌症疫苗」。領導研究的英國牛津大學實驗腫瘤學教授布拉格登(SarahBlagden),整合新冠疫情期間累積的疫苗研發能量,希望能在癌症尚未完整發展前介入,讓免疫系統消滅這些正走向癌化的細胞。這項研究目前已獲得英國癌症研究中心(CancerResearchUK)高達206萬英鎊(約相當於新台幣8700萬元)的資助,將針對肺癌防治,在未來四年內展開「LungVax疫苗」的臨床試驗。LungVax疫苗攜帶一系列基因指令,能夠訓練免疫系統辨識異常肺細胞表面的腫瘤抗原。在新聞稿上,也寫著研究團隊對於這項計畫的期盼:「預防性疫苗並不能取代戒菸,成為降低肺癌風險的最佳途徑。但它們可以為預防某些癌症的發生,提供一條實際可行的途徑。」癌前介入不只要有效,更要找對人:14種蛋白質有機會如何改變治療成本?不過,如果未來真的能在癌症發生前透過藥物介入,就代表問題迎刃而解了嗎?其實不然。國家的醫療體系接下來必須面對的,不只是藥物是否有效,而是在有限的醫療資源下,該讓誰接受預防性治療,才能讓每一分資源發揮最大的效益。以台灣的低劑量電腦斷層(LDCT)肺癌篩檢為例,政策推動過程中,便需要權衡哪些族群最適合接受檢查、篩檢效益與成本,以及不必要的追蹤檢查和輻射暴露等風險。若將預防從篩檢進一步推進到藥物介入,問題可能更加複雜:藥物需要長期使用,還可能帶來副作用與持續的醫療支出。對醫療資源有限的健保體系而言,如何找出真正可能受益的人,將是預防性醫療能否擴大應用的關鍵。以在Canakinumab為例,研究者曾估算,若要預防一例肺癌,平均需要讓超過1500人接受長期治療。不僅可能讓大量民眾承受用藥風險,也讓醫療體系面臨沉重的成本負擔。然而今年6月《細胞》上的研究,除了提出14種血液蛋白質組成有機會辨識出罹患肺癌風險較高的族群,作者還發現,若能先以14種血液蛋白質辨識出罹癌風險較高的族群,預防一例肺癌所需在Canakinumab治療的人數,可從1500多人降至55人。當科學家開始從血液中的蛋白質尋找罹癌線索,癌症醫療也有機會從辨識已經存在的腫瘤,走向辨識一個人正在累積的疾病風險。然而,看見風險只是起點。誰需要進一步檢查?誰適合接受預防性治療?又該如何證明這些介入真的能減少癌症,而不是增加不必要的醫療負擔?這些問題,將決定癌症預測能走多遠。儘管可能仍有一段路要走,但未來真正值得期待的,將不再只是有一天能提早知道誰可能罹癌,而是當風險訊號出現時,醫療能否因此多出一個改變疾病走向的機會。參考資料●Plasmasignalsoflungtumorpromotionformolecularcancerprevention(Cell)●NovartisprovidesupdateonPhaseIIIstudyevaluatingcanakinumab(ACZ885)assecondorthird-linetreatmentincombinationwithchemotherapyinnon-smallcelllungcancer(NOVARTIS)●World’sfirstlungcancerpreventionvaccinegets£2millionforclinicaltrial