BIO Asia-Taiwan亞洲生技大會論壇，於台北南港展覽館一館登場。7月17日，舉辦的大會創新論壇Session 11，聚焦當今AI 人工智慧結合多體學大數據分析研究進展下，如何應用在癌症與慢性疾病的照護，論壇由中央研究院院士、國立臺灣大學永齡健康研究院院長楊泮池主持，邀請到新加坡國立大學(NUS)楊潞齡醫學院數位醫學研究所(WisDM)所長暨生物醫學工程系主任Dean Ho；日本理化學研究所 (RIKEN)腸道菌研究團隊總監Hiroshi Ohno(大野博司)醫學博士；以及台灣大學副校長楊志新醫學博士，分別從人體免疫代謝系統、腸道菌微生物體學、以及癌症蛋白質體學，共同探討如何利用及產出具臨床可行性的創新、在真實世界大規模臨床應用與風險預測，以及對生技、製藥、醫院系統與投資的改變。
 
本身是轉譯醫學科學家的楊泮池，已經在肺癌基因體醫學(特別是針對亞洲族群)做出了精準診斷與治療的重大貢獻，他表示，亞洲尤其是東亞，因為擁有大規模的族群基因體學資料，正崛起成為全球數據治療與精準醫學的領導者。這些多體學數據結合AI，將重塑腫瘤學與慢性病管理，不僅對實施精準醫學極具價值，也會創造亞洲獨特的區域定位與優勢。
 

Dean Ho：「N=1」”動態”劑量優化，促使FDA重新評估最高用藥劑量

Dean Ho教授以「 AI 解碼自己的生物學：這對人類長壽有什麼意義？」(I Used AI to Decode My Biology: What It Says About Human Longevity)為題，分享自己一項前所未有，探索 AI、新陳代謝與人體表現關連的創舉。

Dean Ho是「N=1」的先驅，並自己親自擔任受試者，利用人工智慧(AI)數據分析來優化體能表現與生物標記，和團隊啟動了全球首創的臨床試驗，目前還管理著 10 多項具有挽救生命成效的人類臨床試驗，因此贏得眾多媒體的追蹤與關注。

他指出，每年一次”快照式(snapshot)”的數據，即使持續10年，可能不足以捕捉生物學的現象。因為人們對不同劑量在不同時間的反應都不同，每個人的最佳劑量也會隨時間改變。因此，不僅需要監測變化，還需要「動態(Dynamic)」地調整干預措施。

他說明了「N=1」方法論，正是強調優先考量個體獨特的縱向數據，而非廣泛平均值的重要性。並運用AI優化藥物劑量及代謝韌性，將每年「快照式」的健診評估，轉為持續、動態性、數據導向的監測。

Dean Ho分享真實案例，指出大數據分析會幫助引導患者的用藥選擇和不同組合劑量，但他們進一步使用個體自身的數據曲線來指導個體化照護，結果顯示，患者在最大耐受劑量(標準照護劑量)下，完全沒有反應，但將劑量降低30%至40%時，卻開始有反應，意味著標準的最大耐受劑量並非總是最優選擇。

Dean Ho感慨指出，「這在癌症患者中很常見，你給他們藥物、最大劑量，沒有反應，然後就換另一種藥，直到用盡選項。最後，他們不是進入其他臨床試驗就是安寧病房……。」
 
Dean Ho分享，15年前第一次提出這個概念時，被腫瘤醫師趕出辦公室，15年後，被FDA邀請討論重新評估：將劑量優化定義為「找出最高可能劑」，轉向考量患者隨時間變化的需求模式。

團隊也已部署一個平台，從患者樣本、血液檢測、各項生理協同分析預測，到以AI進行最優藥物組合，這套流程可提升患者反應、減少毒性，並降低醫療成本。目前，「N=1」平台成功從理論概念轉為可全球商業化系統應用，證明個人化、AI驅動的照護能在多樣臨床環境中擴展。

Dean Ho 接著分享自己親自受試的「DELTA 臨床試驗」，這是將從AI 引導患者治療中學到的經驗，轉化到一個能防範未來健康風險的實用工具。

他指出，「人體真正的健康在於身體適應壓力的能力」，他稱之為「代謝韌性(Resilience)」。透過追蹤代謝標記例如糖與脂肪燃燒切換的效率，將能提供比單次空腹血糖測量更準確的健康圖像。

Dean Ho 教授接著展示了自己透過持之以恆、行為設計和環境，以及如何與 AI 驅動的數據分析協同運作，使人體的「韌性」不僅能被測量，還能在未來持續被實現規模化的推廣。

該研究還促成了「GRIT 生物標記」的發現，這是一個用於量化人體韌性的標靶，可進而引導個人化健康策略的工具。目前，這套系統的試驗也已獲得新加坡大學資助，目標是開發讓每個人能找到自己平衡、而不是過於限制生活的Delta方案。

Dean Ho最後藉由分享自己與孩子、家庭導向的健康生活方式，例如全家晚上9:15早睡對荷爾蒙心理、代謝與心理健康帶來巨大的正面影響，證明透過行為參與自身縱向數據的旅程與驚人的成果。

儘管Dean Ho強調，追求長壽是很個人的選擇，也不必都每個人變成超人生物駭客，但他最後仍表示，「我們的習慣會影響他人。更健康的醫生有更健康的病人，更健康的領導者有更健康的團隊，更健康的父母有更健康的子女，更健康的朋友有更健康的朋友。而數十年行為經濟學研究也將會證明這一點。
 

大野博司：整合型多體學，驗證菌群失調與疾病發病機制的「因果關係」

Hiroshi Ohno(大野博司)博士是國際頂尖的微生物學專家，致力研究宿主與腸道微生物群之間的相互作用。其講題「多體學觀點：看腸道菌微生物群在免疫、代謝與神經疾病中的角色(Gut Microbiota and Immune Networks in Human Diseases: A Multi-Omics Perspective)」，正是分享他所提出的一種結合基因體學、表觀基因體學、轉錄體學和代謝體學的整合型多體學的方法(integrated omics approach)，他以此方法成功證實了微生物對宿主生理學和病理學的影響，也因此成為該領域的領先研究者。

Hiroshi Ohno首先指出，腸道微生物群(gut microbiota)是人體最大的「器官」之一，腸道內細菌數量約40兆，基因總數可達百萬個，而人類基因僅約2-2.2萬個，基因總數遠超過人類自身基因。

隨著次世代定序技術的進展，許多研究指出，在多種疾病患者體內都可以觀察到腸道菌群失調(dysbiosis)的現象，然而，尚無方法可以直接驗證菌群失調與疾病發病機制之間的「因果關係」。

Hiroshi Ohno表示，為了克服這一限制，他和其他研究團隊採用了多體學(multi-omics)方法，涵蓋了總體基因體學(Metagenomics)：了解腸道中有哪些細菌及其基因; 霰彈定序法(Shotgun sequencing)：全面解析基因組成; 16S rRNA基因高通量擴增定序：利用細菌高度保守與高度變異交替的序列特徵的通用區域(universal regions)，快速分類細菌的種類。

他強調，雖然基因目錄(catalog)很重要，但僅知道「有哪些基因」還是不夠，必需結合表觀基因體(epigenomics)、轉錄體(transcriptomics)、蛋白質體(proteomics)與代謝體(metabolomics)，才能理解基因如何被調控、轉錄、翻譯，以及實際產生的代謝物活性與宿主微生物的交互作用。

Hiroshi Ohno團隊進一步開發了重要的驗證方法，透過「無菌(Germ-free)小鼠與單一/限定菌叢(Gnotobiotic)模型」，將特定細菌(1-10種)引入無菌小鼠，以精準研究個別細菌或菌群的生物活性因果關係。

他表示，這一套針對「分子生物學」中不同層細胞功能進行的全面分析，結合動物疾病模型(含無菌動物或已知菌落動物)，已逐漸證實腸道菌群失調往往是導致許多疾病發病的原因，而不僅僅是疾病產生的結果。
Hiroshi Ohno 接著以1型糖尿病(Type 1 Diabetes, T1D)與自體免疫調節的研究為例。研究人員先以鏈脲佐菌素(Streptozotocin)誘導小鼠1型糖尿病，再預先給予幽門螺桿菌(Helicobacter pylori)(小鼠腸道適應株)。

結果顯示，幽門螺桿菌分泌海藻糖(trehalose)，促使特定細菌如 Ruminococcus增殖，進而誘導CD8+ 調節性T細胞(CD8+ Treg)增加，抑制自體免疫反應，保護胰島β細胞，延緩1型糖尿病進展。

Hiroshi Ohno指出，由於1型糖尿病患者周邊血中CD8+ Treg 顯著減少(約是正常者一半)，且腸道中 Ruminococcus 屬細菌也明顯減少，透過補充特定菌株或前驅物，逆轉此失衡，有可能增加保護性細菌並預防/治療1型糖尿病。目前已進入體臨床實驗中。

另外，Hiroshi Ohno也分享了同樣以無菌小鼠模型，驗證了高脂飲食和關鍵微生物Fusimonas intestini共同作用下，細菌會將飲食中脂肪酸轉化為反式脂肪酸，損害腸道屏障完整性(leaky gut)，使脂多醣 (Lipopolysaccharide，LPS)等促發炎分子進入血液，引發低度慢性炎症，進而導致肥胖與代謝失調，胰島素耐受性與葡萄糖耐受性惡化，與2型糖尿病有顯著的關係。

此外，目前在日本及亞洲快速增加的炎症性腸病(IBD，含潰瘍性結腸炎 UC 與克隆氏症 CD)，也證實了與抽煙、腸道微生物菌群有顯著因果關係。

研究顯示，吸煙者腸道中芳香族化合物(如 hydroquinone、catechol)顯著增加，促進口腔細菌生長(如 S. mitis)，進而促進腸道 Th1 反應以對抗 Th2 主導的炎症。

Hiroshi Ohno 指出，由於CD 主要由 Th1 反應驅動; UC 則主要由 Th2 反應驅動。他因此表示，雖然吸煙本身有害，並不建議吸煙。不過，吸煙中的芳香族化合物或特定促進 Th1 的益生菌，有潛力可透過調節 Th1/Th2 平衡，成為緩解 UC 的新型治療。
 

楊志新：ctDNA預測疾病復發風險、標靶藥物選擇、抗藥性監測，但須更多大型的前瞻研究

目前同時是台灣肺癌學會理事長、楊志新博士是第一位針對EGFR 突變的肺癌軟腦膜轉移患者建立治療方案的醫師，他直接參與多款成功上市的標靶治藥物臨床試驗，包括2025年7月獲FDA快速核准的 sunvorzertinib (商品名：Zegfrovy)，用於治療接受鉑類化療後病情惡化，且帶有 EGFR Exon 20 插入突變的晚期或轉移性成人患者。

楊志新以「液態活檢：檢測與攻克癌症的新疆界 (Liquid Biopsy: The New Frontiers in Detecting and Defeating Cancer)」為題，分享液態活檢新技術在精準腫瘤醫學中的應用現況與未來。

楊志新說明，體液主要包括血液、尿液、唾液、支氣管灌洗液，甚至腦脊髓液(CSF)等。而液態活檢(Liquid Biopsy)簡而言之，就是抽取少量體液進行檢查，並試圖達到類似組織活檢的病理診斷效果。

而從血液中可以看到循環腫瘤細胞(CTC)、外泌體(Exosomes)、其他循環生物標記包括 microRNA、蛋白質(如消化系統相關的 alpha-fetoprotein、CA19-9 等)，以及循環腫瘤 DNA(ctDNA)等。

近年來，液態活檢的臨床應用技術，已極大地改善了癌症的治療效果，新技術能夠擴增並偵測血液中極微量的癌症特異性殘留物，這使得癌症的基因體診斷、癌症生物學研究、治療效果追蹤以及腫瘤復發監測成為可能。今年的ASCO 2026 也發布了臨床應用指引。

不過，楊志新強調，目前臨床流程上，組織活檢與 NGS 仍是核心。當組織不可行，液態活檢可作為補充。此外，若液態活檢結果為陰性，仍需注意假陰性率，仍應盡可能取得組織。目前，已核准的液態活檢適應症包括肺癌、乳癌、大腸癌、淋巴瘤、膀胱癌等。未來，也迫切需要進一步擴展其應用範圍，並降低檢測成本，以便在臨床上更廣泛地普及。
 
楊志新指出，CTC和 ctDNA其實是容易被混淆的不同概念。目前許多技術可以捕捉循環腫瘤細胞(Circulating Tumor Cells, CTC)，CTC具有預後意義，可分離活細胞或死細胞、進行基因體分析。但這些 CTC 是否一定會形成轉移？目前仍不清楚，因為轉移過程極為困難。即使檢測到，也未必代表患者最終會發生轉移性疾病。因此，已發展約20年的CTC 分析，因技術困難與結果不一致，臨床應用仍有限。

他表示，目前最重要的應用是循環腫瘤 DNA(ctDNA)。癌細胞因壞死、凋亡等原因死亡後，其 DNA 片段會進入血液，這些 DNA 多帶有腫瘤特異性突變。雖然 ctDNA 含量極低，但現代技術已能有效擴增並進行檢測。此外，還可透過生物資訊學分析 DNA 甲基化模式，區分血液中循環的正常 DNA 和腫瘤細胞。

楊志新接著分享具體的臨床應用實例。如ctDNA應用於微小殘餘疾病(Minimal Residual Disease, MRD)監測，可早期預測復發風險，FDA 已核准肌肉浸潤性膀胱癌根治性膀胱切除後，可使用 ctDNA 篩選 MRD 正向高風險患者給予合適PD-L1藥物; FDA 也核准液態 NGS 作為伴隨診斷，用來進行肺癌標靶治療選擇; 一項大腸癌二期試驗結果顯示，MRD 陰性患者可省略輔助化療，不影響總存活率。

ctDNA還應用於治療藥物抗藥性的監測，如接受 osimertinib 治療的 EGFR 突變肺癌患者，可透過 ctDNA 早期檢測抗藥突變標記(如 C797S);乳癌患者若偵測到 ER 突變，可轉換至新一代選擇性雌激素受體降解劑(SERD)如camizestrant藥物。

不過，楊志新認為，一些早期癌症篩檢目前仍處研究階段，如 GRAIL 的 DNA甲基化(methylation)+片段體學(fragmentomics)方法。研究顯示，在超過6000人中檢率約1.4%，陽性預測值與敏感度仍有待提升，尚未成熟到可廣泛推薦。

楊志新最後總結，獲得 FDA 核准的液態活檢，應可納入標準照護。但在分子分型、治療監測與 MRD 評估上，仍需更多大型的前瞻性試驗驗證; ctDNA 與組織活檢互補，是精準腫瘤醫學的重要工具。未來，結合多體學與 AI，可進一步提升早期檢測與個人化治療能力。

 
(報導 / 王柏豪)