矽谷生醫新創之夜│與時間賽跑，癌症檢測與新藥開發的 AI 應用
矽谷一直是全球創新及科學發展的重要集散地，生物醫療也占有重要的一席之地，尤其在細胞治療、人工智慧等相關應用更是方興未艾。為了拓展亞洲市場，四間來自矽谷的生醫新創公司特地來到台灣，於 H. Spectrum 主辦的 Silicon Valley Bio-startup Night 進行分享，範圍從檢測到治療，並帶出最新的生醫趨勢及發展，各個團隊結合不同領域之專業人才，致力於降低疾病或癌症所帶來的威脅。
Whiterabbit.ai 致力於利用自家開發的 state-of-the-art AI 演算法提供醫護人員更準確且快速的診斷依據，以增加乳癌即早確診與治療的機會； Berkeley Lights 利用獨特的「光流體技術」標定特定細胞篩選出優質的 B cell，有效加快抗體與新藥開發、基因定序及細胞治療等技術的研發速度；Atonarp 將質譜儀及光譜儀結合 AI 演算法提供無痛、精準且即時的 point-of-care 血液檢測平台，達到非侵入式的疾病檢測效果。畢業於 Illumina 加速器的 Algen 為新藥開發提供了高速、精準的平台以解析基因組間的連結關係，他們致力於提供癌症藥物更安全且有效的基因標靶判定系統。
Whiterabbit.ai│AI 演算法分析上百萬筆數據，即早偵測乳癌
目前，在美國每8名女性就有一位可能會罹患乳癌，在台灣每天約有31位婦女被診斷罹患乳癌、6位婦女因乳癌而失去寶貴性命，乳癌可以說是影響全球女性最甚也是最惡性的一種癌症，但是從早期診斷與治療可以大幅降低乳癌的死亡率。目前已有醫學實證乳房X光攝影能有效提早發現乳癌，各國政府也積極推動乳癌篩檢，然而成效卻不如預期 ，例如從1992年以來美國的乳癌死亡率僅降低30%，問題在於參加篩檢的民眾還不夠多，而且X光照影的篩檢準確度也有進步的空間－在美國每年有 200,000 例乳癌並沒有被篩檢出來，為了改善這樣的情況，Rakesh Mathur 看見 AI 的潛力而創辦Whiterabbit.ai，透過機器學習（Machine Learning）訓練 AI 判斷兩百萬張以上的乳房X光攝影，提高篩檢的準確度，讓 AI 能夠在腫瘤還很小的時候（最小到3mm）就在X光照影中早期偵測到乳房鈣化點或腫瘤。同時著力於後端病人服務，吸引更多女性接受乳癌篩檢、提醒用戶定期回診所接受檢查，以增加乳癌的檢出率。
Rakesh Mathur 創辦人暨執行長表示，AI 不只能提高偵測準確度，還能加速整個篩檢的流程 ，因為人會累但機器不會，過去只依靠人工判讀一週才能拿到報告，但有了AI的幫助只要15分鐘，當天報告就出來了，受測者在診所就能得知自己是否有罹患乳癌的可能，降低等待報告的焦慮，也方便受測者了解後續要接受什麼樣更精密的檢查或治療。這樣微小的改變打破了過去接受篩檢的遊戲規則，Whiterabbit.ai 不只以病人為中心出發優化篩檢流程，更設計手機app版本，讓病人能夠輕鬆取得自己的乳房X光影像，與親友分享篩檢結果。
Berkeley Lights│找到「最好的細胞」縮減新藥研發時間
Berkeley Lights 執行長 Eric Hobbs 為機械工程背景，跨足生醫領域後發現一個很奇特的現象，在半導體產業中追求 99% 的產量是理所當然的事，但面對新藥開發時，人們會為了那一億分之一的成功而感到欣喜，他發現在開發過程中有很多能改善的空間，而 Berkeley Lights 正是致力於解決研發過程曠日費時的問題。
Berkeley Lights 希望能藉由找到「最好的細胞」來改善研發的流程進而降低成本，在這之中也囊括了 AI, Deep learning algorithm 等技術輔助，減少研發所需的時間，面對目前生物製藥的發展，能精確及有效的分析細胞顯得格外重要。Eric 介紹了Beacon platform，他們利用 OptoSelect chips ，一種猶如記憶卡般大小的晶片，藉光來「移動」細胞，以及 NanoPens 培養與分析單細胞的方式，大大提升了找尋抗體與細胞篩選的效率。舉例來說，在抗體治療的市場經常面臨到難發現可利用的抗體與生產量不足的情形，利用Beacon platform 等平台技術，能更有效率地去篩選出 B cells，改善研發過程，減少時間與金錢的損耗，將原本需耗費數年的開發時間減至一個星期。
Atonarp│慢性病監測與癌症篩檢的新解方
有沒有一種簡單、無痛又便宜的做法，可以幫助我們準確的藉由非侵入性的裝置即時了解自己的健康狀況？前陣子剛獲得三千多萬美金 C 輪融資，即將上市的獨角獸公司 Atonarp，告訴我們他們做的到。執行長Prakash Murthy 曾任職於 Intel與 Micron，擁有豐富的IC設計經驗，如今他卻著眼於檢測市場龐大的未被滿足需求，轉戰到醫療領域。
Atonarp 是一個應用人工智慧的質譜儀研發公司，它擁有一光學設計實驗室，其特殊的技術可以將儀器檢查結果結合人工智慧分析，幫助醫師進行即時監測和醫療診斷。執行長 Prakash Murthy 表示：「我們致力於打破耗時、痛苦且成本高昂的舊醫療診斷模式。」他們最新的產品除了利用三段不同波長的雷射掃描一層層往下掃 （500 micron/3 sec.）並尋找微血管中的紅血球 ，建構出光學同調斷層掃描（optical coherence tomography, OCT)）的影像，利用其尋找表現在血球上的醣類、膽固醇、三酸甘油脂蛋白質等生物標記（Biomarker）與不同疾病的相關性，利用像光譜分析一般的道理，從龐大的資料庫當中搜尋與其樣本相對應的疾病生物指標，來幫助慢性病監測與癌症篩檢，讓人更有效的監測自身健康狀態。經過這些非侵入式的檢測並蒐集數據後，使用者可以與醫師分享，讓健康管理更為完善。在越來越熱鬧的醫療新創領域，我們也期待這些技術領先的公司，為次世代的健康管理寫下新的可能。
Algen Biotechnologies│解碼基因功能網並運用於癌症治療藥物發展
在癌症發生的過程中，正常細胞到腫瘤生成的時間是非常長的，而這當中有許多基因參與其中，其致病機轉多與基因突變有關，例如超過50%的癌症在腫瘤抑制基因 p53 有具有突變的現象，而超過30%的癌症在原癌基因如 RAS 發生突變。過去癌症標靶藥物都是針對少部分關鍵基因如表皮生長因子EGFR 或 BRAF 突變，以前者為例，僅佔所有癌症突變的10%，也就是說大部分的治療藥物所針對的機轉是很有限的，若要發展更具潛力的標靶藥，則應該望向更廣大且那剩餘的市場邁進，而這樣的想法，正是 Algen Biotechnologies 的終極目標。執行長 Chun-Hao Huang 表示，利用架構次世代能標定癌症發生關鍵因子的篩選平台，並精準地解碼相對應基因型與腫瘤的關係，進而了解癌症發病率並開拓全新的藥物治療方式與可能性。
Algen 發展出的篩選平台有幾個重要的技術組成：
1. 單細胞 RNA 定序與機器學習技術提供龐大的高維度及高解析度正常與癌細胞的基因表現資料。
2. 利用機器學習分析龐大資料並使之呈現清楚的不同細胞分群，如特定癌細胞或正常細胞。
3. 利用 CRISPR 技術並標定所有目標基因，量化並標準化當哪些基因受到抑制時，又有哪些癌細胞轉錄機制受到影響並能夠間接產生抗毒性，經過以上的方式再結合公司內部的藥物篩選方式，不只可以找到標的，還可以實用在治療癌症，限制腫瘤發育上。
4. 最後使用臨床模式老鼠，模擬病人之癌症基因型及預測毒性及用藥後反應。而 Algen 利用胰臟癌作為第一步，來發展癌症標靶藥物及結合動物實驗篩選出最適合的方式，未來希望能發展出更多更廣不同的癌症標靶治療藥。
撰文： 陳亭安／曾芊瑜／黃筠婷／廖柏喻
核稿：卓筱涵
