今(3)日，中央研究院生物醫學科學研究所主辦「臺灣精準健康研討會(Taiwan Precision Health Symposium)」，聚焦於臺灣精準醫療及基因體醫學的發展及應用，且特別邀請到人類基因體計畫(HGP)發起人之一Maynard Olson，美國國家衛生研究院(NIH)人類基因體研究所(NHGRI)所長Eric Green，以及新加坡國家精準醫療計畫(NPM)之精準健康研究(PRECISE)科學長暨SG100K研究計畫主持人John Chambers，親臨現場分享經驗和觀點。
 
臺灣精準醫療計畫(TPMI)總主持人郭沛恩院士首先歡迎大家參與，接著由國科會政務副主委暨中研院特聘研究員陳儀莊致詞。她表示，利用基因體醫學(genomic medicine)聚焦疾病、改善健康已成趨勢。
 
陳儀莊指出，臺灣在過去20年間由官方主導、建立穩健的醫療系統和基因體醫學設施，特別是臺灣人體生物資料庫(Taiwan Biobank)提供了豐富的資源，並成為發展智慧醫療的基礎。未來如何利用人工智慧(AI)、電腦運算進一步改善醫療，將是重要的課題。
 
其後，兩位國際基因體學發展的關鍵學者，首先由 Maynard V. Olson 分享精準醫療與基因體時代的過去、現在與未來(完整報導)；其後，Eric Green分享人類基因體發展，以深入淺出的方式，將超過30年的人類基因體學(Genomics)發展分成四個階段(完整報導)。
 

全基因體定序為精準健康基石 新加坡SG100K、美國BioVU分享經驗

 
新加坡南洋理工大學John Chambers教授說明，NPM是推動新加坡精準健康10年轉型的國家級計畫，分成三大階段。在第一階段(2017-2021年)的SG10K計畫中，不僅完成了1萬名國民的全基因體定序，也為精準健康所需的法規、科學、產業、臨床、大眾參與所需的生態系(ecosystem)串聯奠下基礎。
 
現在該計畫已進入第二階段(2021-2024年)的SG100K，除了將全基因體定序人數衝到10萬人，更設立PRECISE機構作為核心整合角色，將強化與臨床端的合作、蒐集表型資料(phenotypic data)。
 
例如，透過綜合性問卷調查收案者的生活型態、認知功能、飲食調查，整合健檢影像及生物檢體等，未來進入到更大規模的第三階段(2024-2027年)時，將能夠透過基因體數據和表型的連結，真正將基因體醫學所得的洞見，應用在改善新加坡國民從出生到終老的健康計劃。
   
中研院生醫所陳弘昕助研究員，介紹全球最具規模的精準醫療資料庫之一——美國范德堡大學醫學中心的「BioVU」。BioVU串連美國田納西州及其鄰州的7個醫院、超過200家診所，自2004年計畫啟動迄今，已經收集了超過30萬份去識別化DNA血液檢體，是全世界最大奠基於單一學術機構的DNA人體生物資料庫，也獲得美國NIH超過3.23億美元的資助。
 
陳弘昕表示，BioVU坐擁了超過30萬份與電子病歷連結的DNA分析數據，其中超過40%有高血壓、超過20%有高血脂，人種則以高加索裔(Caucasian)占了近60%，年齡分群上不僅包含18歲以下，各年齡層人數也相對平均。
   
此外，BioVU還以疾病表型數據為基礎，結合醫療系統和基因體學，分別發展了疾病表現型碼(Phecode)、全表型體關聯研究(PheWAS)，輔助預測模型研究的發展。目前BioVU支持了全球將近400個研究計畫、促成了610份學術發表，已經有超過2200名科學家為BioVU使用者。
 

TPMI、Biobank數據投入實戰！助糖尿病預測模型開發

 
下午演講中，國家衛生研究院副院長許惠恒，分享糖尿病的精準醫學發展。他表示，糖尿病的發病率近年有越來越高的趨勢，他表示，要有效控制糖尿病並做到精準醫療，可分別從糖尿病診斷、治療和預後三個面向來執行。目前國衛院正投入「糖尿病共病預測平台」，運用數據計算，針對個別民眾的病況，提供更精準的治療。
 
過去以來他也積極參與中研院生醫所執行的TPMI，他認為發展精準醫學，建立生物樣本的資料庫仍是重要關鍵，無論是健保資料庫、TPMI，事實上臺灣在這些條件上，是具有實現精準醫療發展的機會。
   
中研院統計所楊欣洲研究員表示，Taiwan Biobank截至今年5月底，收案人數已達將近20萬人、4.8萬人完成第一輪追蹤。其研究團隊利用Taiwan Biobank進行PheWAS研究，進而開發出一套第二型糖尿病(T2D)的風險評估系統，其預測能力(AUC)達到0.913；若再加上醫療影像報告，還可進步到0.945。
 
他指出，在研究Biobank的表型數據庫對T2D的影響分析(impact analysis)後，他們發現了T2D的多項重要預測指標，包括：家族病史、年齡、多基因風險評分(PRS)、脂肪肝、右總頸動脈之收縮期最高流速(VAS)、心電圖的RR間期(RR-interval)、骨質密度(BMD)等。
   
密西根州立大學(MSU)博士後研究員Timothy Raben，分享多基因風險評分(PRS)在祖源分析、驗證和臨床應用。他曾是理論物理學(theoretical physics)博士，後續開始投入統計遺傳學領域，並使用機器學習、人工智慧和深度學習針對複雜的人類特徵進行基因預測，可從中發現癌症、發育障礙和其他嚴重疾病的風險。
 
Raben分享其與TPMI合作進行生物資料庫的風險預測演算法，運用其以線性模型建構的稀疏訓練機器學習演算法(sparse machine learning algorithms)，並建立了多基因分數(PGS)來檢驗訓練集大小、祖先遺傳背景和訓練方法的性能，可以估計出使用多少數據能預測其獲得的結果，在TPMI中，接受過氣喘訓練的預測演算法，預測效力可達到0.63，而預測身高的效力為0.684，都高於運用英國人體生物資料庫(UK Biobank)訓練出來的演算法。
   

飲酒臉紅、癌症、中風評估 TMPI催生本土基因體醫學研究

 
臺中榮總免疫風濕科主治醫師陳一銘，長期投入關節炎、紅斑性狼瘡、僵直性脊椎炎、乾癬、自體免疫疾病等疾病研究，他也分享中榮在利用TPMI數據資料庫分析的結果，發現臺灣人喝酒臉紅，是因為約有45%民眾缺少ALDH2的基因，而這種變異還會提高食道癌、下咽喉癌發生的風險；以及發現臺灣的遺傳性聽損患者，多為GJV2基因變異，此變異甚至會使患者肱骨骨折的機會變高。
 
他認為這些基因資料庫的分析是很有意義的臨床研究，像是CYP2C19基因型，其會影響酵素的活性，改變血液中藥物的濃度與代謝速率，而此種基因的變異在不同人種間具有差異，他認為患者在治療前進行臨床藥物基因體(Clinical Pharmacogenetics)篩查，以做為用藥的參考至關重要。
   
中研院統計所黃彥棕副研究員，利用TPMI計畫中5.3萬名癌症患者、25.7萬名非癌症患者、共計18,112個基因的GWAS分析資料，從統計學角度出發，藉由ACAT檢定法(aggregated Cauchy association test)，希望找出多效型(pleiotropic)的癌症相關基因。
 
此研究總共找到305個多效型基因。黃彥棕表示，這些基因可分成四個共調控模組(co-regulation modules)，分別以LRRC34、TOX3和FEN1、PNPLA3和SAMM50、MHC複合體為主，這些基因可能具有器官專一性或共屬於同一機制；此外還有存在於這四個模組之間的多效型基因，以HMGA2和RPSAP52為主，則可能屬於較上游的癌症調節機制基因。
   
郭沛恩院士在壓軸演講中，分享TPMI截至上週的最新數據，也指出如何在臺灣落實精準健康。他指出，精準健康要落實有三大步驟：評估(Assess)、建議(Advise)與行動(Act)。而在臺灣發展精準醫療具有許多優勢，包含遺傳背景同質性很高、高學歷、健康意識高、種族多樣化可代表全中國，此外，還擁有先進的健保制度。
 
郭沛恩分享，因此，TPMI預計從全臺16個醫學中心招募100萬名參與者，收集遺傳與臨床資訊，並使用人工智慧進行風險預測，希望能為參與者提供量身訂製健康管理指南。截至上週已經有561,640人參與計畫，收集了448,970份電子病歷，並已完成415,869人的基因定序；並從分析中發現，臺灣70%遺傳性腦中風(CADASIL)患者攜帶R544C基因突變，未來可做為中風預測風險因子，更重要的是，目前已導入神經內科門診中，對中風高風險患者進行主動管理。
 
(報導 / 吳培安、彭梓涵、李林璦)