黃仁勳喊話：別只學寫程式！「數位生物學」5大應用，正在改寫癌症與未來醫療
傳統醫學面對疾病時，多半依賴症狀和影像來判斷病情，但是數位生物學的出現，讓研究者能分析大量基因和蛋白質的變化，從訊號的微小差異中找到治療疾病的突破口。
圖片來源 / Shutterstock
「將生命科學工程化的學科」，是未來新趨勢
「下一代要學的不是寫程式，而是生命科學。」這樣的觀點出自輝達執行長黃仁勳之口，當然份量十足。但是「 生命科學工程化 」是什麼意思？
「把ＸＸ工程化」，指的是把複雜事物拆解成一條條小步驟，不只如此，還要能夠按部就班組建出成品，聚集磚石、鋼筋蓋出一棟大樓就是個好例子。
黃仁勳所說的「工程化」，等於換一雙眼睛，將生物現象看成工程問題。
因此一個活生生的人體細胞，與其說是一大堆分子集合在一起，不如想成是由數百條生產線和決策線交錯織成的一份鐵道路線圖，列車從何地發車、何時靠站都有跡可循。
再舉一個例子，癌細胞能近乎無限地增生，也是因為細胞內傳遞訊號的程序出了錯，制伏方法之一就是用藥物修復部分流程，把細胞推回生必有死的正軌，背後的邏輯和軟體工程師把錯誤的程式碼改好，並無二致。
站在輝達的立場，工程化自然是偏重在資訊工程， 數位生物學 （Digital biology）這個名詞可以用來總括生命科學工程化的概念，把生理活動看作一個又一個可以破解的小程式模組，關鍵在於既然能夠解讀，也就能修改、能操作。【施打「癌症疫苗」就能提前攔截惡性腫瘤？研究揭示：某些癌症可能夢想成真】
醫藥領域中，數位生物學的5大應用
應用1》剖析基因體和蛋白質體，找到疾病突破口
所謂的「某某體（-ome）」，指的是一群物件的集合體，而「某某體學（-omics）」就是鑽研這些物件如何動作，以及彼此間發生哪些互動的學問。基因體（genome）與蛋白質體（Proteome）可以看作人體生理反應的指揮中樞，前者記錄細胞運作的基礎指令，後者則是真正負責行動的蛋白質群。
傳統醫學面對疾病時，多半依賴症狀和影像來判斷病情，但是數位生物學的出現，讓研究者能分析大量基因和蛋白質的變化，從訊號的微小差異中找到治療疾病的突破口。
換言話說，尋找病因不再碰運氣，而是像一個工程師般盤點分子路徑，搜檢出最關鍵的致病點。例如，肺癌不再被視為單一疾病，而是由不同突變、不同蛋白質路徑錯亂所造成的眾多亞型，各自有獨特的弱點。
應用2》快速篩選疾病檢驗標的和藥物標靶
以疾病檢驗為例，研究者可以比較健康者和病人的基因體和蛋白質體資料集，利用AI模型找出最能區分兩者的分子指標，這些指標便可能成為檢測用的生物標記。
相似的道理，也能從細胞訊號路徑中推論哪些節點一旦被控制住，就能延緩疾病惡化，甚至逆轉病況。
過去要花好幾年才能確認分子標的，如今透過演算法和大型資料庫，數個月甚至數週內便能縮小範圍，將目光聚焦到一小群候選者，幫助生技公司把資源押注在最有潛力的目標上，整體研發時程因此大為縮短。【為全球癌症預防及治療補上關鍵缺口！臺灣癌症登月計畫為何厲害？選對策略建奇功】
應用3》研發更有效、副作用更少的新藥
研發新藥之所以既花錢又耗時，一大原因是要反覆試驗、調整和失敗。
數位生物學加入後，讓「先計算、後實驗」的模式日漸成熟，科學家先使用電腦模擬藥物和標靶的結合效率、評估不同化學結構可能產生的副作用，再篩選出最有希望的候選藥物。
例如，將 蛋白質立體結構預測（比方說獲得2024年諾貝爾生醫獎的AlphaFold系列）和虛擬藥物設計（Virtual screening）技術結合在一起，便能快速篩選數十萬種化合物分子並找出最佳解，研發團隊不必再沒日沒夜做實驗碰運氣，而是在動手前就掌握關鍵線索，減少消耗的時間和成本。
新藥開發也是最受全球藥廠和數位科技巨頭青睞的領域，像輝達就推出了藥物研發平台BioNeMo，而AlphaFold系列是Google旗下的產品，顯示新藥研發正從過去的以實驗為中心，轉向以數據和演算模型為中心，科技企業的加入也意味這場革新將持續加速。
應用4》「模擬」活細胞，用計算取代部分實驗
如果能在電腦中複製一個「虛擬細胞」，便能預測它在不同藥物、營養或環境條件下會做出什麼反應。
這種宛如科幻小說的情節現在已部分成真，藉助餵食巨量資料和動力學算式訓練出來的AI，科學家能建立近似細胞行為的計算模型。舉例來說，用來模擬人體細胞受到病毒攻擊後如何啟動防禦，或是癌細胞遇上藥物時會如何抵抗保命。
這類虛擬實驗的好處是速度快、成本低，能快速淘汰不合理的假設，固然電腦模型無法完全取代實際試驗，但它是一隻篩子，讓真正需要測試的實驗大幅減少。
隨著模型愈來愈精密，未來甚至有機會模擬器官或免疫系統的整體反應，若能實現這一步，醫學研究能預先測試器官對藥物的反應，或是模擬整個疾病進程，可以逐步取代動物試驗，也能夠大幅降低人體試驗的風險。
應用5》打造「數位雙胞胎 」，吃藥前就知道藥效
數位雙胞胎 （Digital twin）又叫「 數位孿生 」，原本用於工程領域，例如飛機引擎、大型建築或工廠的監測，用程式碼搭建出來的擬真引擎和工廠，即時接收真實世界機器傳回的運作數據，在電腦裡和本尊一樣運作，察覺快發生故障前就搶先發出警訊。
同樣的概念也被搬進醫療，每個人都能擁有一個專屬於自己的虛擬雙胞胎，它整合你的基因體和蛋白質體資訊、血液指標、疾病史，還有穿戴裝置的生理量測數值，再用AI進行推演。
比如說，若是你服用某種降血糖藥，數位雙胞胎可以預測你的血糖變化曲線、多少劑量最適合你。假如是考慮癌症治療方案，它能夠預測不同藥物組合對你的腫瘤可能產生多少療效。
數位雙胞胎讓治療疾病走向「先預測、再決策」，對於臨床醫師來說，它能協助選擇最有機會成功且風險最低的治療策略；對於個人來說，它是未來健康管理的重要工具，讓每個人都能掌握最適合自己的生活方式。
終結大眾醫療時代，數位生物學重塑精準健康新未來
數位生物學5大應用的最終目的，都匯歸於「 精準健康 」，囊括精準預防、精準治療和精準照護。
以往是100萬人都吃同一種降血糖藥丸、一整個年齡層都遵循同一套飲食和運動原則，現在則是每個人因為基因背景有差異、身體強弱各自不同，因此最佳解方也千差萬別。
在這樣的嶄新框架下，生命科學研究者能像電腦工程師一樣重新調整、優化甚至預測人體的運作。一旦生理現象能以資料與AI模型來解析，精準健康便不再是紙上談兵，勢必會重塑醫學、科技和日常生活的樣貌。【讓肺癌4期病人也能天天上山健走，國家級人體資料庫逆轉癌友餘命的真實故事】
※加入癌症問康健官方LINE帳號，從症狀檢查、癌後治療、飲食營養、體能復健、財務規劃到身心療癒，都能找到解答：https://lin.ee/QCxb8mw
＜本專欄反映專家意見，不代表本社立場＞
責任編輯： 梁惠明
我們的團隊由具有豐富醫學寫作經驗的記者、編輯組成，內容來自採訪諮詢資深癌症醫學和照護知識的專家與相關書籍，盡力提供正確可信的醫療健康知識。但無意取代專業醫師診斷，無法為個別讀者對內容的應用負醫療或法律責任。
