作者:邱佩洵 /有勁生物科技

 

你可曾想過,口渴的時候,不是拿起一瓶礦泉水來喝,而是拿出晶片在太陽底下一照,就有乾淨美味可口的水可以喝;是否想過,小小的人造葉片,能夠透過催化劑分解水分子產生氫、氧元素,提供能源。如果這些真的在未來發生,世界會變成怎樣?

 

十大創意科技走入我們的生活

2017年美國科學人雜誌(Scientific American)與世界經濟論壇(World Economic Forum)合作評選出十個最具創意,且未來真的可能實現並改變我們生活的新興科技1

 

  1.   
  2. 1. Blood Tests Allow for Scalpel-Free Biopsies  不需動刀即可取得的腫瘤血液檢測樣本
  3. 2. Off-Grid Devices Draw Drinking Water from Dry Air 獨立型能源設備從乾燥空氣中汲取飲
  4.  用水
  5. 3. Deep-Learning Networks Rival Human Vision 深度學習網絡挑戰人類視覺
  6. 4. Artificial Leaf Turns Carbon Dioxide Into Liquid Fuel 人造葉片轉化二氧化碳為液態燃料
  7. 5. Human Cell Atlas Opens a New Window to Health and Disease 人類細胞圖譜為健康與
  8.  疾病打開新視野
  9. 6. Precision Farming Increases Crop Yields 精準農業增加作物產量
  10. 7. Affordable Catalysts Give Green Vehicles a Push 價格親民的催化酵素推動綠能電動車的發
  11.  展
  12. 8. Genomic Vaccines Fight Disease in Ways Not Possible Before 遺傳物質的新型疫苗超越以
  13.  的方式打擊疾病
  14. 9. Sustainable Design of Communities Dramatically Reduces Waste 社區永續性設計可以大
  15.  幅減少資源耗費
  16. 10. Quantum Computing Becomes More Accessible 量子計算今後更容易取得

 

  

眼尖的你是否發現,上面這些新興科技中與生物技術相關的至少有四項 (有底線項目),列表中的第一、第三項,正是與NGS有關且熱烈發展中的研究領域:液態活檢(Liquid Biopsies)與深度學習(Deep-Learning)。我們就一起來看看這兩個領域的市場發展與未來趨勢吧!

 

 

液態活檢市場前景看好•市場應用跨足癌症療程

2015年Piper Jaffray投資銀行與資產管理公司發布了液態活檢市場調查報告,提及液態活體市場市值將達到326億美元之譜2;其中286億美元屬於「腫瘤液態活檢」市場,20億美元分屬「非侵入性胎兒染色體檢測(NIPT)」以及「移植照護(transplant care)」市場。這裡可見腫瘤液態活檢在整個液態活檢市場的佔有率超過87%,與有勁部落格「次世代定序市場趨勢」一文提到「NGS在腫瘤應用市場上的成長預計會最快」的趨勢報導正好可以相互參照。值得一提的是,PiperJaffray的調查報告將腫瘤液態活檢市場又再細分為四:早期癌症篩查 (early cancer screening)、癌症治療選擇 (therapy selection)、治療監控 (treatment monitoring)以及復發監控 (recurrence monitoring)。不難發現細分後,定義幾乎涵蓋了整個癌症的監控治療過程,從早期篩查直至復發監控,可見液態活檢在腫瘤市場的全方位應用性和重要性,其市場潛力無限。

 

腫瘤液態活檢具有克服腫瘤異質性,以及在患者無法實施傳統組織活檢的情況下可作為替代方案等優勢。此外,與傳統的組織活檢相較起來,腫瘤液態活檢能提供更全面的腫瘤資訊,讓腫瘤的進展狀況能更準確地被瞭解與掌握,進而達到監控與治療的目的。這些優勢使得液態活檢的市場前景備受看好。(如欲進一步了解液態活檢在癌症臨床上的應用,可參考本公司部落格文章「液態活檢在臨床癌症偵測評估上的應用」。)

 

 

圖一、2015年美國液態活檢市場調查報告

180214_1.png

PiperJaffray投資銀行與資產管理公司於2015年發布液態活檢市場調查報告,預測美國液態活檢市場的趨勢。(圖片來源:Piper Jaffray Investment Research: The 2015 Liquid Biopsy Report)

 

 

液態活檢目前以NIPT市場的發展最快,其商業化也最多。在腫瘤液態活檢方面,目前已有許多生技公司研發出與癌症治療選擇、癌症監控以及復發監控的商業套組,像是Guardant Health Inc., Foundation Medicine Inc. 以及Genomic Health Inc. 等2。其中有些公司所研發出的產品雖有獲得認證,但都仍有改進空間,例如:各類型癌症液態活檢的靈敏度與專一度,都還需要更多的驗證與文獻支持。未來,早期癌症篩查 (early cancer screening)也有機會發展出有潛力的商業套組。

 

深度學習與人工智慧可望成為醫療診斷的主流

市場調查公司 MarketsandMartets 於2017年5月份發表了一份調查,「醫療保健業」領域的人工智慧應用,其2016至2022年的年均複合增長率預計可達52.68%3。人工智慧在醫療保健業的應用有以下分類:病患疾病的資料與風險分析 (Patient Data and Risk Analysis)、患者生活習慣管理與監控 (Lifestyle Management and Monitoring)、精準醫療 (Precision Medicine)、院內照護及醫院管理 (In-Patient Care and Hospital Management)、醫療影像與疾病診斷 (Medical Imaging and Diagnosis)、藥物開發 (Drug Discovery)、虛擬助理 (Virtual Assistant)、穿戴式裝置 (Wearables)及醫療研究 (Research)。其中發展最快且目前已確實有文獻發表的是醫療影像與疾病診斷。有一些研究「透過影像辨識與深度學習來提高對疾病判讀的正確度」的報告表示4,5:透過深度學習突破關鍵技術之後,不僅疾病判讀的準確度提高,人力成本也因此降低了。「患者生活習慣管理與監控 (Lifestyle Management and Monitoring)」與「藥物開發 (Drug Discovery)」現在也漸漸開始應用人工智慧,利用深度學習技術來分析患者的電子紀錄,未來有機會預測患者的疾病進程與發展6,及預測藥物毒性與副作用,幫助藥物開發7

 

順帶一提,google在2017年公佈了一個人工智慧工具-DeepVariant,藉由深度學習網路將NGS基因定序的DNA片段資料轉換為影像,透過影像辨識,在更精確描繪人類基因圖譜的同時還可以找出遺傳上的變異;而這個方法也適用於非人類基因體8

 

隨著醫療品質的提升,人工智慧在醫療保健業的應用發展也逐漸蓬勃,未來還可能跨平台整合,潛在商機可說是相當大。

 

 

參考資料:

  1. 1. DiChristina, M. (2017, June 26). 10 Emerging Technologies to Watch: Innovations that are on the verge of making a difference to society. Scientific American. Retrieved from https://www.scientificamerican.com/article/10-emerging-technologies-to-watch/
  2. 2. Nowak, Alexander D. (2015, September). The 2015 Liquid Biopsy Report. Piper Jaffray Companies. Retrieved from https://moderncancerdiagnostics.pl/wp-content/uploads/2016/10/Za%C5%82%C4%85cznik-4_Piper_Quirk_Liquid-Biopsy-Report.pdf
  3. 3. MarketsandMarkets. (2017, May). Artificial Intelligence in Healthcare Market by Offering (Hardware, Software and Services), Technology (Deep Learning, Querying Method, NLP, and Context Aware Processing), Application, End-User Industry, and Geography – Global Forecast to 2022. Retrieved from https://www.marketsandmarkets.com/Market-Reports/artificial-intelligence-healthcare-market-54679303.html
  4. 4. Takahashi, H., et al. Applying artificial intelligence to disease staging: Deep learning for improved staging of diabetic retinopathy. PLoS ONE. 2017 June 22; 12(6): e0179790.
  5. 5. Esteva, A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2; 542(7639):115-118.
  6. 6. Miotto, R. et al. Deep Patient: An Unsupervised Representation to Predict the Future of Patients from the Electronic Health Records. Scientific reports. 2016 May 17; 6:26094. doi: 10.1038/srep26094
  7. 7. Altae-Tran, H., et al. How data drug discovery with one-shot learning. ACS Cent. Sci. 2017 Apr 3; 3(4): 283-293.
  8. 8. Poplin, R., et al. Creating a universal SNP and small indel variant caller with deep neural networks. BioRxiv. 2016 Dec 14; 092890. doi.org/10.1101/092890

 

 

官網用CC創用_SA.png

文章標籤
創作者介紹

有勁的生技資訊

YourGene 發表在 痞客邦 留言(1) 人氣()


留言列表 (1)

發表留言
  • Alan Ding
  • 寫的很不錯哦!十分專業!
  • Hi Alan,

    您好, 謝謝您的支持;有勁將會更盡心竭力的為大家撰寫更專業的文章。敬請繼續支持有勁。

    YourGene 於 2018/02/26 11:05 回覆

您尚未登入,將以訪客身份留言。亦可以上方服務帳號登入留言

請輸入暱稱 ( 最多顯示 6 個中文字元 )

請輸入標題 ( 最多顯示 9 個中文字元 )

請輸入內容 ( 最多 140 個中文字元 )

請輸入左方認證碼:

看不懂,換張圖

請輸入驗證碼