從征服癌症，到第一支COVID-19疫苗的誕生

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《擴散期小細胞肺癌第一線健保治療首選：PD-L1免疫抑制劑合併化療存活率翻倍有望！專科醫師圖文解析》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

小細胞肺癌惡性高且復發快。如今「PD-L1免疫合併化療」打破治療瓶頸，有效阻斷腫瘤逃逸，讓患者五年存活率翻倍！健保已將其納入一線給付，助病友延長壽命並兼顧生活品質。

「過往小細胞肺癌患者往往在第一線化療結束後，兩、三個月就面臨猛烈復發，高達三分之二的病人活不過一年，身為醫師不禁常感覺束手無策之憾。」三軍總醫院內科部胸腔內科主任蔡鎮良醫師表示，「如今，在PD-L1免疫抑制劑問世後，越來越多小細胞肺癌病友能跨過『存活一年』的門檻，且在進入維持治療後，得以卸下化療的沉重負擔，單用PD-L1免疫抑制劑也有機會穩定控制疾病，重拾美好的日常生活。」

肺癌主要分為小細胞與非小細胞兩大類，其中與抽菸高度相關的小細胞肺癌雖罹病比例逐年下降，僅佔約7-8%，但因其細胞分裂增殖與擴散極快，即使進行低劑量電腦斷層（LDCT）也不一定能早期揪出疾病。小細胞肺癌患者多數確診時已無法進行手術，過往近六成存活期少於一年，能活超過五年者僅約6%，被視為惡性度極高的癌症。

蔡鎮良醫師指出，小細胞肺癌預後極差的關鍵點在於「復發快速」。雖然初期對化學治療反應率高，但極易產生抗藥性；一旦復發，僅剩少數患者對化療仍有反應，也沒有其他有效藥物選擇，導致治療陷入難以突破的瓶頸。

破解小細胞肺癌的「免死金牌」：PD-L1免疫抑制劑破壞腫瘤免疫逃逸！

所幸，醫學迎來了近二十年來極為重要的進展–PD-L1免疫抑制劑。蔡鎮良醫師說，醫學界發現小細胞肺癌腫瘤會利用PD-1與PD-L1的結合機制，躲避免疫系統的追殺，就宛如拿著「免死金牌」般。PD-L1免疫抑制劑能精準阻斷這項結合，破解腫瘤的免疫逃逸機制，讓免疫系統重新主動攻擊癌細胞。

顯著降低死亡風險！PD-L1免疫抑制劑合併化療受國際治療指引肯定

研究證實，PD-L1免疫抑制劑合併化學治療可顯著改善無惡化存活期，降低死亡風險。蔡鎮良醫師分享診間觀察，過往能存活過一年的患者很少，如今可說過半數都有機會可存活超過一年；最新的延續性追蹤更顯示，試驗組的五年存活率從過往的6%成功翻倍達12%，為患者帶來了長達五年的長期生存效益。目前PD-L1免疫抑制劑合併化療，已被國際權威癌症治療指引NCCN列入擴散期小細胞肺癌的第一線治療首選。

免疫治療分階段：維持期可免除化療或搭配新型化療兼顧療效與生活品質

小細胞肺癌免疫合併化療可分為前、後兩治療階段：

• 第一階段（起始治療）：前4到6個療程會同步使用化學治療與PD-L1免疫抑制劑。因化學治療較易導致白血球低下，預防感染是保命關鍵。
• 第二階段（維持治療）：進入維持治療期後，視情況患者可完全移除化學治療，或是亦可PD-L1免疫抑制劑合併來自於海洋生物衍生物的新機轉化療藥物，為已接受過含鉑化療又復發的小細胞肺癌患者，提供了有效且副作用較低的治療選擇，成為維持治療的首選組合。

在整體治療期間，病友務必落實健康生活，並且「絕對要戒菸」，同時維持充足營養，確保有足夠體力應付療程。PD-L1免疫抑制劑的安全性較高，但仍需配合常規監測甲狀腺、血糖等數值，若出現症狀如皮疹、腹瀉等，請及時向醫師反應。

蔡鎮良醫師說，目前台灣健保針對擴散期小細胞肺癌患者，將PD-L1免疫抑制劑合併標準化療納入第一線給付，至今已滿兩年；給付條件雖限定於「無腦部轉移」，但若經濟許可或有私人保險時，仍建議腦轉移病友自費使用，因為從臨床實際療效來看，PD-L1免疫抑制劑合併化療對腦轉移病患也有效果，長遠也呼籲健保可積極考慮放寬限制，以盡可能嘉惠更多有需要的病友。

想像一下，如果有一天，救命的解藥不再僅僅來自大藥廠耗資數十億美元的無塵實驗室，而是出自你家客廳的一台筆記型電腦？這聽起來像極了科幻電影的瘋狂劇本，卻是一個為了挽救愛犬性命，真實上演的科學奇蹟。

這場「素人對抗癌症」的戰鬥，不只徹底打破了我們對醫療邊界的認知，更像一顆投入靜水中的巨石，激起的漣漪正迅速蔓延到整個人類醫學、長壽社會與個人健康責任的論述核心。今天，就讓我們來拆解這場傳奇救犬記背後的科學邏輯，看看「生物可程式化」的時代如何悄悄降臨。

一隻狗、一位工程師，與一個不肯認輸的決定

故事的主角是澳洲軟體工程師 Richard Sutherland。他領養了一隻曾有創傷歷史的柴犬 Kuma，Kuma 很快成了他生命中不可或缺的夥伴。然而在 2023 年，Kuma 被確診為高度惡性的「肥大細胞瘤」（Mast Cell Tumor, MCT），這是犬類中最常見也最兇猛的皮膚惡性腫瘤。獸醫遺憾地告知，即便進行手術與化療，Kuma 存活的時間恐怕也只剩幾個月。

面對死神的宣判，Sutherland 拒絕單純等待奇蹟。身為工程師，他本能地選擇了另一條路：定義問題，然後寫出解法。他動用了約 3,000 美元（約台幣十萬元）的個人積蓄，委託商業基因體公司對 Kuma 的腫瘤組織進行了「全外顯子組定序」（Whole Exome Sequencing, WES）。

這項技術專門聚焦於基因組中實際被轉譯成蛋白質的那 1-2% 編碼區域。相較於昂貴且龐雜的全基因組定序，WES 更適合用來尋找腫瘤的「體細胞突變」。但問題來了，取得幾十 GB 的原始定序數據後，一個沒有生物醫學背景的工程師，該如何在超過兩萬個基因的龐大變異資料中，揪出那幾顆真正驅動癌症的「子彈」？

科學的鑰匙：ChatGPT、AlphaFold 與 mRNA 的三重奏

這不是盲目的嘗試，而是一場精密的科學工程。Sutherland 其實正踏在目前全球頂尖生技公司（如 Moderna、BioNTech）積極推進的「個人化新抗原疫苗」（Personalized Neoantigen Vaccine）研發前線上。他靠著三件神器，完成了這項不可能的任務。

步驟一：用 ChatGPT 尋找「新抗原」

癌細胞突變會產生原本不存在於正常細胞的異常蛋白質片段，如果這些片段能呈現在細胞表面被免疫系統識別，就稱為「新抗原」（Neoantigen）。要成為有效的靶標，突變必須夠多、必須能與個體的 MHC（主要組織相容性複合體）緊密結合，還要能活化 T 細胞去毒殺癌細胞。

Sutherland 利用 ChatGPT 作為他的「智識介面」，協助撰寫 Python 腳本、整理與篩選突變資料。雖然 AI 本身不是生物資訊引擎，但它強大的代碼輔助與文本推理能力，大幅降低了門檻，讓他得以建構出原本需要博士級專家才能完成的分析管線。

步驟二：AlphaFold 的蛋白質立體建模

找出潛在的新抗原後，必須確認它的「形狀」真的和正常蛋白質不同。這時，DeepMind 劃時代的 AI 工具「AlphaFold 2」登場了。過去需要耗資百萬、耗時數年的蛋白質結構解析，現在只需要網路連線，幾分鐘內就能精準預測立體折疊結構。Sutherland 藉此確認了突變蛋白確實能作為疫苗的標靶。這證明了一件事：結構生物學被徹底民主化了。

步驟三：客製化 mRNA 疫苗上陣

目標確認後，他設計了一段對應的 mRNA 序列。這段序列就像是一張發給免疫系統的「通緝令」，注射進體內後會教導細胞製造這些腫瘤特徵蛋白，啟動免疫系統追殺帶有相同特徵的癌細胞。在取得獸醫主管機關的「特殊人道同情豁免」許可後，這劑客製化疫苗被施打在 Kuma 身上。幾週後，奇蹟發生了：Kuma 的腫瘤開始縮小，活力也逐漸恢復。

醫療典範轉移：從「大數法則」到專屬於你的「N-of-1」

傳統藥物開發是建立在「統計多數」上的，尋找對「平均患者」有效的療法。但現實是，每個人、每顆腫瘤都是獨特的，這就是為何同一種化療對某些人有效，對另一些人卻毫無作用（即腫瘤異質性）。

Sutherland 的做法，展現了未來的「N-of-1 醫療」：臨床試驗的樣本數不是一萬人，而是「一個人」（或一隻狗）。隨著基因定序成本崩跌、AI 分析能力平民化，以及 mRNA 合成技術的成熟，這種「不找萬能藥，只為你打一把專屬鑰匙」的醫療模式，正逐漸從實驗室走向現實。

長壽社會的挑戰：成為自己身體的守護者

台灣即將在 2025 年邁入超高齡社會，活得長已是常態，但「活得好」才是考驗。當醫療技術逐漸軟體化，癌症或許將從「絕症」轉為可管理的「慢性病」。未來我們甚至能定期更新癌症疫苗，維持免疫系統對腫瘤的監控。

Kuma 的故事揭示了一種全新的主體性：我們不應再只是被動接受治療的患者。借助智慧穿戴裝置收集生理數據、了解自身的基因風險，並透過 AI 輔助整合健康資訊，每個人都可以成為自己健康的「共同決策者」。醫師的角色也將從「知識的壟斷者」轉變為「認知的橋接者」，協助我們辨識偽科學，共同制定健康策略。

技術民主化的光明與陰影

當然，我們不能忽視這場革命帶來的風險。Sutherland 的成功發生在法規相對彈性的獸醫領域，若在人體上進行，未經監管的「生物駭客」（Biohacking）行為將帶來極大的安全隱憂。此外，個人基因數據的隱私保護、以及高昂技術可能加劇的「健康貧富差距」，都是社會必須迫切面對的倫理挑戰。

Kuma 的故事不是終點，而是一個時代的預告。醫療的邊界正在被那些拒絕等待、選擇親手書寫解方的人們重新定義。活得長是科技的恩賜，但活得有尊嚴、有主體性，則需要我們每一個人的覺醒。或許未來的某一天，你的健康，就掌握在你親手敲下的那一行代碼裡。

參考資料

1. Alexandrov, L.B., et al. (2013). Signatures of mutational processes in human cancer. Nature, 500, 415–421.
2. Jumper, J., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596, 583–589.
3. Reynisson, B., et al. (2020). NetMHCpan-4.1 and NetMHCIIpan-4.0: improved predictions of MHC antigen presentation by concurrent motif deconvolution and integration of MS MHC eluted ligand data. Nucleic Acids Research, 48(W1), W449–W454.
4. Sahin, U., et al. (2017). Personalized RNA mutanome vaccines mobilize poly-specific therapeutic immunity against cancer. Nature, 547, 222–226.
5. Marusyk, A., et al. (2012). Intra-tumour heterogeneity: a looking glass for cancer? Nature Reviews Cancer, 12, 323–334.
6. Tie, J., et al. (2016). Circulating tumor DNA analysis detects minimal residual disease and predicts recurrence in patients with stage II colon cancer. Science Translational Medicine, 8(346).
7. Karikó, K., & Weissman, D. (2005). Suppression of RNA recognition by Toll-like receptors: the impact of nucleoside modification and the evolutionary origin of RNA. Immunity, 23(2), 165–175.

本文轉載自顯微觀點

許多癌症患者在初期對藥物反應良好，腫瘤明顯縮小，但經過一段時間後因為癌細胞會適應治療，例如可能改變藥物的目標分子，使藥物無法再有效作用；或是繞過原本被切斷的「生存」路徑，變得對藥物不再敏感，使得原本的化療、標靶藥物失效。因此癌症治療的一大挑戰「抗藥性」。

為了解決這項難題，臨床治療上有些使用「雞尾酒療法」，也就是同時使用多種藥物攻擊癌細胞的不同弱點；有的則是積極開發新一代藥物，針對已知的抗藥性機制設計不同路徑；或是透過改變腫瘤微環境讓患者產生持久的免疫反應，延緩或克服抗藥性產生。

但癌症逐漸走向精準醫療，藥物是否能夠針對特定癌細胞甚至癌細胞的特定機轉、基因產生作用，是醫療界正努力研究的方向。而從中國醫藥大學生命科學院細胞生物學研究所助理教授徐昭業的觀點，細胞機械力便是一個可以切入的研究窗口。

微小機械力 左右細胞表現力

過去，生物學多注重在基因、化學對對細胞的影響，而力學生物學（或稱機械生物學，Mechanobiology）則在近二十年迅速興起。因為科學家發現，不論是細胞要維持形狀、移動，或是回應微環境的變化，都受到力學影響。

徐昭業解釋，其實細胞的機械力在生命活動中非常重要，例如大多數細胞都需要貼附在周圍的環境中，無論是與其他細胞形成組織，或是與細胞外基質（ECM, Extracellular Matrix）連結。而這個「貼附」的行為就是一種機械力的展現。

另外，當細胞在分化時，機械力的影響尤其顯著。例如，將幹細胞培養在柔軟如果凍的基材上時，它們傾向分化為脂肪細胞或神經細胞。然而若是培養在像桌子一樣硬的表面時，則更可能分化為骨細胞。這顯示細胞對外在物理環境具有高度的「機械感知」能力。

這些細胞從外部環境（例如黏附表面、周遭組織）感受到的「機械訊號」，會透過細胞膜上的蛋白傳遞進入細胞內部，影響基因表達並調整行為，例如分化或增生。

傳統上判定癌症藥效（或是是否出現抗藥性）多是透過測量細胞存活率，例如計算 IC50（半數抑制濃度）──也就是殺死 50% 細胞所需的藥物濃度。但徐昭業表示，這樣的測量方式存在著「非死即活」的二分法限制。例如：針對 100 顆細胞投藥，最後存活 50 顆，只知道存活率是 50%，但無法得知那剩下細胞的實際狀態；可能完全健康、也可能受到藥物影響變得半死不活。

不只管死活 力學訊號看抗藥性更精準

透過細胞機械力的偵測則可以彌補這樣的空缺。徐昭業和研究團隊開發出一套生物力學量測系統，結合微結構與光學反射，成功簡化細胞力學的觀察與量化方式。

他們將細胞培養於表面覆有密集奈米圓柱的結構裝置上，當細胞貼附並施力於這些奈米圓柱時會導致彎曲，進而改變表面反射鏡的反射角度，影響光訊號的強度。藉由觀察反射光的衰減量，便可快速推估細胞的力學變化。

這些奈米圓柱通常使用 PDMS（polydimethylsiloxane，聚二甲基矽氧烷）等彈性材料製成，直徑約為1至2微米，高度約 5 微米，排列間距也僅有 1 至 2 微米。

徐昭業表示，過去這類「micropost array」（微柱陣列）主要透過螢光標記位移來計算細胞所施加的力量，但這樣一來不但需要仰賴高倍率顯微鏡，影像分析也較為繁複。

因此，研究團隊改以反射訊號的變化來替代位移量測。他們將金屬反射層鍍於奈米圓柱頂端形成靈敏的反射面。當細胞攤開在表面時，張力會造成圓柱微幅形變，反射光因此產生角度偏移與散射。通常光強度會下降至原始強度的 20% 至 30%，藉此就能反推出細胞所施加的實際力值，依此分析細胞活力。不僅能大幅簡化操作流程，同時提升訊號讀取的效率與數量。

徐昭業說，當細胞死亡或停止活動時，力學（光學）訊號會完全消失，但「活力下降」的細胞則有部分訊號，但弱於「完全未受影響」的細胞。而這樣分群概念在癌症抗藥性研究的重要性在於：即使多數癌細胞對藥物反應良好，仍可能潛伏少數「對藥無感」或「苟延殘喘」的細胞。這些細胞若存活下來，將來就可能演化出抗藥性的癌細胞。

為了驗證設計出的平台在癌細胞檢測上有效果，徐昭業也和中國醫藥大學從事肺癌研究的老師合作，利用對方既有現成的抗藥性細胞株資料庫和相對應生物標記，與力學檢測平台的標記結合進行確認。

徐昭業表示，過去要確認癌細胞是否出現抗藥性需透過長時間持續給藥，並耗費三至六個月時間培養，看細胞是否出現變異。但一方面長時間持續投藥，訓練出的是「後天抗藥性」癌細胞，和在真實情境不同；人體中可能部分癌細胞一開始就有「先天抗藥性」，卻難以在一開始就揪出來。另一方面，長期、持續的投藥也不符合臨床投藥方式，且耗時過長。

團隊利用力學檢測平台比較抗藥細胞與敏感細胞，發現兩者之間存在顯著差異，且這些力學特徵與既有的生物標記完全對應，證明了這個檢測系統可以直接辨識抗藥性細胞。

研究到臨床 盼打造癌症抗藥性快篩

由於系統採用的是非螢光染色（label-free）設計，偵測的是光學訊號，大幅縮短樣本製備和觀察時間。一片約一平方公分的生物晶片能同時觀測十萬個細胞，儘管有些細胞會彼此黏連，無法進行單細胞分析，但通常仍能取得五萬筆單細胞的力學分布資料。團隊再把這些數據輸入AI模型進行辨識訓練，系統便能在活細胞上快速量測，約半天到一天即可完成分析。

徐昭業表示，癌症病人通常有幾種可選用的藥物，但每個人對藥物的反應不同，第一線有效的藥物不見得適合所有病人。臨床上，醫師通常根據經驗與基因表現推估藥物敏感性，仍難以預測抗藥性的發生；即使用單細胞基因定序也很昂貴且不容易操作。

「雖然一開始仍需仰賴傳統細胞株去建立模型，但當這一系列流程建構完成，後續就能成為精準醫療的重要輔助工具」，徐昭業說，若是透過此平台，就能以「快篩」的概念檢驗不同病人檢體暴露於不同藥物，哪些藥物最容易產生抗藥性表現型（phenotype），進而提供臨床醫師一份建議清單，選擇不易產生抗藥性、最合適的治療策略。

目前團隊也致力於讓系統更具備高度規律性與可重複性，並易於製作母模再複製，以大幅降低成本與技術門檻。徐昭業期待這套系統除了加速細胞力學研究的量測過程，也能為生醫材料、藥物開發與細胞品質檢測等領域提供實用的解決方案。

參考資料：

• 為什麼癌症治療會出現抗藥性？看懂 6 種抗藥性機轉
• Why Do Cancer Treatments Stop Working? Overcoming Treatment Resistance
• 漫談力學生物學

延伸閱讀：

從材料到癌症研究 徐昭業的跨界探索