2、质谱流式及成像质谱技术（mass cytometry）。可以原位解析细胞空间关系，我们现在所有的检测都是提供组织之后，把它打碎掉进行测试，现在质谱系列技术可以原位解析。
3、多重原位分析（Multiplex in situ analysis）及其他空间计算技术。会引入一些计算，数学分析的技术，保证原位的信息可以分析。
4、细胞系谱测定（Cell lineage determination）。
5、AI 人工智能。
多组学肿瘤诊断时，大量数据需要阐释。会有基因组、蛋白质组、表观组、暴露组等一系列的组群数据，包括成像出来的表型数据，需要人工智能、机器学习去帮助人类进行多组学数据的诊断和分析。这些领域在未来 5-10 年，相信都会有非常大的进步，绝不仅仅是测序。
基于整合的多组学精准癌症分析，会用到一系列的多组学技术支持，暴露组、基因组、转录组、表观组、微生物组、代谢组、临床信息，包括微生物学的信息，是一个多尺度、多组学的整合分析。未来成功的诊断公司，应该是一个整合的精准分析公司。
患者在未来能够体验到哪些改善呢？多技术整合分析，现在我们医院也在去中心化，在碎片化。但是带来很多不便，在未来患者一站式的监控肿瘤免疫微环境，系统进行多组学全息检测。一次提供样品，一站式的全部做掉。从 DNA、RNA、蛋白质、单细胞、多细胞，进行一站式的检测，达到全息多组学整合分析。等待时间不会太长，已经有公司在起步做了。
对病人也是全流程的管理，高度精准的全流程监控。从风险预警、肿瘤遗传检测，到早期肿瘤的筛查，到肿瘤的精准诊断，到用药指导、治疗指导，包括后面的疗效检测、复发检测，都是全流程的。
90% 以上肿瘤患者都是实体肿瘤，实体肿瘤还是比较难治的。我们希望所有的科学家和临床学家一起努力，能够做到将早期肿瘤治愈，中期控制复发，晚期能够延长生存期，提高生存质量，甚至有一部分晚期患者，能够持续生存下去，这也是我们的愿景。
未来不远，我们要有更强大的技术去支持。我们相信在针对肿瘤这种高度复杂的疾病，我们未来是可期的。谢谢大家！
现场问答
陈琛：谢谢栗老师精彩的分享，的确像栗老师所说，肿瘤的精准诊断到现在确实在经历着一个跨时代的发展，这个跨时代的发展，肯定会为我们未来肿瘤的预防、治疗，甚至康复都会产生一个巨大的影响。
那么，刚才我这边也收集到很多朋友线上线下关于这一块的疑问，有些问题其实非常有代表性，有些问题非常有思考性的深度，我在这里做了一个汇总，也跟大家进行一下分享，和栗老师进行一下交流，有几个问题想问一下栗老师。
第一，您刚才在幻灯片中也提到了，说肠道微生物，或者是肠道微生态，对人体不光是影响消化系统这么简单，也有很多关于脑肠轴或者是第二肠脑这些理论也已经出来了。
在肿瘤治疗这一块，肠道微生物是一个什么样的角色，是一个监测性的指标，还是说会做一个辅助治疗的靶点，还是怎么样？它可以从中发挥作用，想听一下您的建议。
栗世铀：陈琛提这个问题其实挺好的，我们现在的研究是基于相关性研究，我们发现 PD-1 抑制剂药物，我们叫检查点抑制剂，这个药物响应和肠道菌群密切相关。具体是如何通过菌群调节机体对 PD-1 产生反应，这个机理我们现在还不清楚，它是一个相关性的研究。其中特定的一部分菌群，比如这两个菌，在病人的肠道中如果存在，药物反应性会比较好。但是并不是所有的菌都是这样的，看红的这部分，这部分细菌在肠道中要是存在的话，病人对药物的相应不好。就是说菌群的种类和药物反应密切相关。
在用药时，对于这些有益的菌群要保护它。同时，因为抗生素对肠道菌群有调整作用，所以抗生素的使用要高度小心，还是有一定的指导意义的。
陈琛：栗老师，刚才您提到菌群分类应用，现在一般大众可以看到很多益生菌，或者一些乳酸菌这种，大家知道的这些菌群，这些菌群在不在您刚才说的蓝颜色里呢？现在有没有研究发现……
栗世铀：科学研究，比如这一个菌群是有益，我们就会通过各种渠道，或者通过病人自身的粪便，把这个有益的粪菌移植进病人肠道，灌肠等方式。刚才你提到的益生菌，会有一定的帮助。
陈琛：这是一个问题，就是关于肠道菌群的。
另外，也有很多朋友在问，刚才您提到了一个肿瘤的微生态、微环境概念，现在我们很多的药物要么是瞄准怎么杀伤肿瘤，怎么更精准，或者是增强我们的 T 细胞免疫细胞的功能。那么，有没有一些药物已经考虑到我怎么样来改善肿瘤的微生态，或者是抑制它的微生态环境，让肿瘤的生存环境更恶劣，这样肿瘤的生存、增值会下降？
栗世铀：我们提到的 PD-1 抑制剂药物，这个药解决的就是肿瘤微环境中的 T 细胞和肿瘤细胞的关系，调节它们的关系，使 T 细胞恢复活性，持续杀伤肿瘤。
还有 CTLA4 靶点的药物，也是调节 T 细胞的活性的，今天我们基于 T 细胞功能，已经上市了两类药物。还有是刚才提到的阿司匹林，都会调节肿瘤微环境。另外像我们实验室团队也在做腺苷的调节剂，因为一旦肿瘤细胞被杀死之后，高浓度的腺苷对免疫细胞高度抑制，促进肿瘤细胞生长和增殖，这些微环境调节的靶点和药物都需要去关注。
肿瘤绝不是靶向药一种治疗可以解决的，需要高度关注肿瘤微环境的变化，要把免疫抑制解除掉，才可以保证免疫细胞持续的杀伤作用。
还有一个理念，这个也是我们团队何有文老师一直在推动的，就是靶向药和化疗药物的使用，一定要注意方法。要在适当的时间节点和剂量使用，围绕着肿瘤免疫的理念去使用现有的药物。
陈琛：栗老师，刚才您讲的其实还有一个问题，想请教一下，无论是中途死亡，释放出来的因子，我们现在可不可能在医学方面，或者某些技术领域，通过一些指标来进行监测呢？当某些含量略高，或者有一个改变时，在治疗这方面需不需要进行一个调整（比如说某些肿瘤，或者某些靶向药）。
栗世铀：我们市场上能看到的 CFDA 批准的检测方式，主要是检测肿瘤突变。这个技术在不断的成熟过程中，会很快普及。预计在未来很短的时间，就会在肿瘤医院、三甲医院推广应用。当然还不够，刚才提到的问题不只是 DNA 的问题，还有大量的免疫抑制性因子被释放出来，这些也需要监测。检测免疫相关的因子和免疫细胞功能状态，这也是未来一个非常重要的点。
陈琛：栗老师，关于 AI 这块，目前来说我们可以说进入到大数据时代，大家都在运用数据去治疗，或者说去看用户的一些行为。那么，在肿瘤这一块，大数据的应用在哪个方向？
栗世铀：中国医生比较辛苦，没有时间去学习如何分析组学原始数据。他要看实验室科学家给的结论或建议，你直接告诉他能不能用某种药物就好，这种方式医生的接受度会很高。给医院提供精准诊断的时候，都要给一个非常有价值、非常清晰的临床应用指导。
我们在有很多伙伴在做基因检测分析，他们会给医院提供这么厚或者更厚，或者一皮袋的检测报告，这个都不是很好的方式，要非常清晰，几句话，甚至一句话，非常清晰的告诉他要怎么做，要很直接很清晰的告诉他结论。AI 在这方面会有很大的应用场景。
陈琛：栗老师，最后一个提问的问题，就是刚才提到了基因编辑技术，类似于 CRISP-Cas9 技术，他们现在肿瘤靶向药物，或者在前期筛查时，是不是已经开始在临床上应用了呢？
栗世铀：CRISP 技术在临床上还没有应用，但是临床科学研究是有的。针对基因工程改造的免疫细胞，2017 年 8 月份上市了第一个药物，诺华制药的 CAR-T，大家都知道，就是在 T 细胞上做基因工程改造后，再让他识别肿瘤细胞。这是一个很好的基因工程和细胞工程结合的范例，已经被批准了，中国也在做很多这方面的改造研究。基因工程的方法很多，不局限于 CRISP 技术。基因工程改造的细胞国家把它列为药物进行监管，这是很重要的研究方向。
药物形态从小分子，应该是 100 多年前的化学工业开始的时代，出现了工业化的小分子药物进入到临床；到 80 年代大分子药物，是蛋白质工程推动了抗体类药物发展。到 2017 年末，人类第一个基因工程改造细胞制剂上市，大家可以看到技术推动了新的药品形态不断出现。
嘉宾互动
陈琛：谢谢栗老师的分享，相信大家跟我一样，听完老师的分享之后，获益匪浅，然后也有很多问题想请教一下栗老师。
下面，我们进入今天最后一个环节，也是一个非常重要的环节，就是嘉宾互动环节，大家有基因检测或者肿瘤相关的问题，都可以请教老师，老师会根据他的经验给大家做一些分享，现在有问题的同学可以举手。
学员：栗老师刚刚讲到 5 代，您提到 10 年内会有比较大的突破，为什么有这样一个预期呢？技术在中间会有比较大的进步吗？
栗世铀：技术迭代非常快。
学员：主要是哪些？
栗世铀：其实不只 5.0，我这里只是用比较方便理解的方式去说，会有 6.0、7.0，人类的认知会不断的发展。5-10 年的概念呢，只能预测这样，因为 10 年以后的，目前没有数据支持更远的预测。
说到 5-10 年这个领域，其实我们对肿瘤的认识，已经从很多年前比较粗犷的层面，到现在聚焦的两个方面。这两个方面突破了，肿瘤的诊治将会有本质性改变。大量研究未来都会围绕这两方面。
基于细胞功能改造，基于免疫微环境调节，可以聚焦在这些领域去做。5-10 年内，预期会有第二个、第三个、第四个类似于 PD-1 的免疫调节药物出现，包括联合应用。对于微环境的调节会有很长足的进步，我们会把实体肿瘤药物反应率 20%，扩大到 30%、40%，或者更高。这个是可以预期的，在 5-10 年内可以实现的。
技术手段，临床就是诊断+治疗。刚才说治疗都蛮多了，抗体药物、细胞药物等发展可预期。至于诊断，除了组学技术之外，基于肿瘤复杂空间结构的解析，利用计算机和数据处理能力，解析多细胞、细胞亚群空间定位的技术都是在普及阶段。刚才我提到这几个技术，综合和整合就可以解析复杂的高纬度图谱，我们是可以看到和预期到的。这一点上还是可以非常肯定的。5-10 年内肿瘤多维度的图谱会一张一张不断解析出来。
不仅是肿瘤细胞，扎克伯格也做了一件事情，叫单细胞图谱计划。他投了 30 亿美金做单细胞图谱的解析，都是属于高分辨多维度的图谱解析。科学界正在往这些方向去努力。
学员：那是不是可以理解为现有技术基础是存在的，下面就是您说的长期在实验室，或者是落地的过程。
栗世铀：是的。
学员：我还有一个问题，就是您提到反应率低的问题，这个反应率中间主要是涉及到什么问题，除了您讲的这些要用技术攻克它，您觉得在哪方面是目前医疗或者是未来医疗最需要的一种技术？
栗世铀：这个问题非常难回答，全世界的科学家，包括 PD-1 的发明人陈列平教授都在努力去寻找，为什么有一些肿瘤患者会有很好的反应，有一些没效。PD-1、PD-L1 药物分子不能直接结合靶点，或免疫细胞如果在肿瘤中没有浸润，谁来杀伤肿瘤呢。还有其他相关性的因素。这几年随着临床病人使用药物数量不断的增加，科学上还会有更多的发现。
我相信从 20% 到 30%、40%、50%，反应率会不断的增长。反应的时间也是，现在两年的有效率很低。PD-1 并不是能把所有肿瘤根治的药物，只是一部分人群会持续受益，很小的一部分，要想办法扩大受益人群。
学员：未来人工智能、大数据的应用，从 DNA 形态，从细胞数据，血液数据，包括内部结构的数据，非常多的变化，包括不同患者之间的数据都是不同的。那怎么利用现在大数据的检测技术进展，和数据分析技术，怎么利用这些技术来精准摸清它的结构，提供一个更精准的解决方案呢？
栗世铀：这需要咱们一起去研究的，这是 5.0 版的研究范畴。我们有很多挑战，要想汇聚刚才看到那张高维度清晰的图，这一定是需要大数据，需要人工智能，需要基因组学、多组学技术去整合分析，才能画得出来这张图。
学员：大数据背后的机理是什么呢？挖掘背后的数据，就是这个数据背后隐藏的信息，为治疗提供一些新的入口，这是技能方面的东西。
栗世铀：我打断一下，第一步是这样理解的，要画一个肿瘤空间高纬度图谱，这个是要做的。你问的是后面第二步，高纬度图谱画好后，如何解释生物学意义和机理，这是更复杂的工作，这个需要更长时间去研究。
学员：我觉得如果有数据的分析，包括检测技术的分析，会加快速度的。
栗世铀：一定会加快的。马上就能应用到人工智能、大数据、图像识别这一块了，在高维度的病理图谱的解析当中，也会应用到。我也在想有没有机会一起跟计算专家，或者图形识别专家一起合作，开发肿瘤的智能检测体系。传统病理只能染 4-6 标记物，最多不会超过 10 个。这么复杂的一个肿瘤，大家刚才看到，我只能染 10 个标志物，还远远不够。
5.0 版会提供非常详细的高纬度图谱。这个图谱，人眼是没有办法识别的，这一定要机器来帮助做分析的。
学员：刚才介绍了很多非常专业的，包括肿瘤的诊断，包括治疗。但是从我个人角度上来看的话，其实老百姓比较感兴趣，我如何避免肿瘤这件事情在我身上，或者在我家人身上的出现。那我第一个问题，基于大数据来说，什么年龄段是肿瘤的高发期？第二个问题，什么样的人群更容易发生肿瘤？第三个问题，怎么样有一些合理的建议避免肿瘤发生？
栗世铀：这应该是临床医生帮你做的事情，抱歉，我可能回答就很不专业了。什么样的人群会高发，第二个问题是什么？
学员：什么年龄段。
栗世铀：这个下面可以去看一看、查一查。
学员：有没有一些建议，我们应该怎么样避免这件事情？
栗世铀：肿瘤发病机理还是有一些争议的，从科学的角度。它是不断进化来的疾病。有几种假说，其中有一种要做免疫编辑假说。正常人每个细胞都要新陈代谢，就会复制 DNA，但是 DNA 复制的过程，可能会受到诱变，复制过程中出错，自身有一套 DNA 损伤修复机制，但是这个修复机制不是完美的，修复过程中也会有一些缺陷，造成突变，突变累积到一定程度，就会产生肿瘤。突变的过程当中，又会有一部分突变具有免疫原性，被免疫系统识别，你自身免疫系统会把它杀死掉的，就不会发生肿瘤。这是个肿瘤-免疫的平衡，一旦失衡，而且是实体瘤内部存在高度免疫抑制，这个肿瘤就会快速的生长。
具体提供不了建议说吃什么东西可以防癌，或者什么样的生活习惯防癌，目前的诱发因素都是相关性研究。
学员：谢谢。
学员：靶向药原理是什么，还是说它也是化疗药？
栗世铀：这个问题挺好的，靶向药的原理也是直接杀伤肿瘤细胞，原则上也是特定肿瘤细胞群体的化疗药。
学员：另外还有一个问题，目前咱们在国内医院使用的基因技术，有没有能纳入医保的可能？
栗世铀：这需要保险公司，或者是医保办来回答的问题。哪些应该划入，哪些不应该划入，我相信会越来越多的。因为已经基本上是常规的诊断了，有些靶向药医保是可以报销了。
学员：前段时间有一篇文章说肿瘤发生的时候，不应该去做手术，因为动了手术之后，会造成癌细胞的增长，不知道这个是不是靠谱的一个说法？造成增长的原因在哪儿？
栗世铀：现在肿瘤有手术、放化疗、有靶向药物治疗、免疫治疗，都有严格的适应症。如果适合手术的适应症，还是应该去手术的。
学员：那是怎么能发这样的文章呢？
栗世铀：我不知道，生物学每天上千篇的文章在发表，这些都不是定论的，都是一家之言。我觉得还是要严格按照适应症去做，如果是适合手术的，降低肿瘤负荷还是正确的一个选择。
学员：那岂不是也是因为造成突变的角度来看免疫，反而没有把癌细胞杀死，造成扩散了？
栗世铀：不是，刚才说到的部分靶向药和化疗药杀死肿瘤细胞之后，肿瘤细胞释放抗原，会激活全身免疫反应，会进一步杀伤肿瘤细胞。我理解你刚才是理解反了。
学员：如果得了癌症，现在有一种流传，比如说去看中医，感觉是挺伪科学的，这种您怎么看？
栗世铀：因为这个疾病的确是很麻烦的一个病，大家患病的时候的心情是可以理解的。但是也有很简单识别的方法，如果他说就是神药百分之百治愈，而且是晚期，那就是不正确的。中医我还没有看到大样本的数据，说它能像 PD-1 这种有效的，还是要看数据的。如果没有数据，口口相传的，都是个案，要高度谨慎。
学员：我问一个比较有争议的问题，有一个关于产学研这样的关系，大家都是比较关注的。医生们只需要提供结论就可以了，那您觉得目前在产学研之间有什么问题吗？在你们自己做研究，然后跟医院结合过程中有没有什么问题？
栗世铀：这个问题挺好的，这是中国的现状。医院是没有能力做研发的。中国诊断生物技术研发都是在创业公司和科研院所里，但是这个涉及到很多限定，因为各种不协调，中间那个结合会有很多的问题。
学员：创业者现在在这种大背景中，精准医疗下是不是能有更好的发展机会？
栗世铀：你说的太对了，刚才我们从肿瘤到自身的特点和难点，去给创业者一些建议，已经走到这里了，大家看到我们要进行 4.0、5.0 的技术研发，给大家一个提示，中国整个基因这一块的创业，走到现在，你的产品、精准诊断技术需要解决临床实际的问题。
刚才提到这个方向，你如果能真正提供给临床医生，解决他的痛点、问题，比如能告诉他这些细胞类型是什么，空间定位是什么，这会是未来直接指导药物使用的信息。
举个例子，稍微说的细一点，细胞类型，肿瘤里面，到底有没有浸润的 T 细胞，如果没有的话，你想办法做局部放疗，或者是做靶向药治疗，让免疫细胞浸润，再给 PD-1 抑制剂联合应用，才会有效。
这些精准诊断技术，可以帮助临床医生，这样的技术一定会有价值，在临床推广的时候，整个公司的价值才能出来。
学员：我问最后一个问题，目前来说，我们的体制或者政策，和医院的那种关系，能支持创业者进入吗？您觉得在这个领域，有多大的市场？
栗世铀：只要能解决临床需求的痛点问题，真正使患者受益的方法，我相信都能进去医院。
学员：有多大的市场呢？
栗世铀：这是一个数学的问题，中国有 1450 万肿瘤患者，接近总人口 1% 的人群是肿瘤患者，用 1450 万乘以每年的用药量或价格，你可以算一下这是一个多大的市场，这就是这个药物使用最高峰值。如果的实际渗透率有 10% 的人能负担得起，假设 10% 的人都需要每一个技术去检测要不要使用这个药，那你算一下这个市场有多大？我只是说了一个例子。
学员：谢谢。
学员：栗老师，我有两个小问题：
问题一：刚刚也有朋友提到，如果它能消费的话，您觉得大众现在有没有必要做基因检测，来知道自己患癌症的可能性？
目前市面上基因检测，检测出来的往往都是非常浅的，包括有一些噱头，其实我们觉得这种是很好玩，但是并没有把基因检测真正的技术和价值发挥出来。如果基因检测真的能预防或者告诉他有没有肿瘤，您觉得这种应不应该去做呢？
栗世铀：如果是比较成熟的技术应该去做，消费级别的可做可不做。还有一些是基于驱动基因，是值得去做的。我给你建议一定要去有资质的，比较正规的公司去做。
学员：明白，因为大家现在，其实普通民众在健康领域，谈癌色变，大家都会很紧张这个东西。但是其实没有一个很好的渠道要怎么去预防，或者要怎么去知晓这个东西。如果说基因检测能够提前 20 年或者是提前 50 年告诉你，可能会患这个东西。这个人可能得乳腺癌，就把它提前切掉。这个形式和逻辑，我觉得还蛮值得推广的。
栗世铀：目前为止，我们最大的挑战是怎么治疗它，这是一个难点。我们没有对应的治疗手段，是很尴尬的。还有一个数据，肺癌中国发病率最高，早诊肺癌之后，一期、二期肺癌手术切除之后，5 年就会复发。你知道这个复发率有多高吗？
学员：70%、80%。
栗世铀：68% 左右。所以，更尴尬的是治疗这个领域。
学员：如果治疗比较好的话，复发率不会这么高。
栗世铀：这是中国具体的数据，一期、二期的肺癌切除之后，5 年复发率 60% 多。
学员：我还有第二个问题，您其实有提到患者可以一体化去检测，您觉得这种一体化的检测在目前世界上来看的话，哪一种力量推动它实现？是社会力量，还是医院力量，还是国家行政力量？
栗世铀：肯定不是最后一个。
学员：对，刚刚这位同学也提到说创业公司把这个研发出来再推到医院，但是我觉得整个投入成本太高了，其实很少有企业有这么深厚的资本去做这件事情。那如果国家有东西去支持，那社会力量去做的话，其实社会力量目前在中国看的话，其实也没有一个很好的组织、机构，或者有推动这件事情。
栗世铀：我觉得今天跟大家的沟通，因为在极客公园，也就谈创业、谈研发方向，这是最重要的一个力量。政府主导的，这件事是很难做的。
学员：反而有一些数据的问题，有些公开的。
栗世铀：这谈到另外一个问题了，多组学数据怎么融合、数据共享问题，这是需要政府或者是一个机构出面推动的，这是现在最大的痛点。这个今天咱们也不讨论，不在咱们的讨论范围之内。
学员：现在也有说中国和美国患癌症的 5 年的存活期有巨大差异，这个数据到底准不准？或者说为什么造成的生存期差异？
栗世铀：这个现象是存在的。为什么呢？有很多原因，其实最主要的一个原因，从治疗角度来说，因为今天很多讲的是诊断和治疗，从治疗的角度来说，我们的治疗的确是有很大的提升和改进空间。
学员：比如说刚才说的那个数据，是不是意味着同样的肺癌，在美国可能做完手术之后，每年的发病率不会达到 68% 这么高？
栗世铀：应该是综合的，刚才这位老师提到过综合诊疗。现在整个肿瘤治疗的模式，我的合作伙伴何有文教授在中国各种机构、各种场合也在积极呼吁这件事。所以中国的肿瘤治疗模式必须改进。
学员：比较粗暴。
栗世铀：医生之间都没有沟通，外科、放疗科、内科医生，医学上叫的 MDT，各科医生会诊，多学科讨论确定治疗策略，什么时候应该手术，什么时候应该放疗，不同的阶段采取不同的策略，只要把这一点做好了，生存期就会有一个很大的提高。
学员：这个是谁来主导？
栗世铀：美国像 MD 安德森医院会有一个主治医生去帮助你协调所有的医疗事情，组织多学科会诊（MDT），会找放疗医生，化疗医生，不一定都是大牌专家，主要是各自学科领域的人员，坐在一起，制订一个切实可行的方案。我们现在是患者和家属，自己来决定，自己去协调找某个大夫，这个模式是有很大的弊病。
学员：我们现在有没有一个第三方平台或者是有一些其他的业务做这部分？
栗世铀：有一些做海外医疗的机构在做这个尝试，不仅是用海外的某一种上市药物，它会帮助你去海外会诊，帮助你去协调哪些科室的医生给你会诊，会有这种模式，这个模式具体的价格我不是特别了解。
陈琛：感谢栗老师的分享，特别感谢各位来宾参与到我们阿里健康和极客公园的分享活动，今天的分享会就到此结束，也希望下次的分享会继续看到大家，谢谢大家！
閱讀更多 極客公園 的文章
