生命中，什么對你最重要？
不同的人有著截然不同的答案。對于MIT的數學家迪米特里斯·伯特西馬斯（Dimitris Bertsimas）教授來說，他生命中最重要莫過于三件事：改善人類的境況；給人們的生活帶來積極影響；了解這個世界如何運作。
在MIT官網上寫下他的處事哲學時，迪米特里斯也許沒有想到，自己在多年后會為癌癥患者帶來怎樣的重要改變。
故事的起因發生在近10年前。2007年，迪米特里斯的父親經診斷患有非轉移性胃癌，手術對此無能為力，唯一的治療方案就是化療。為了讓父親盡可能延長生命，并提高生活質量，迪米特里斯研究了全美五大醫院的常規化療方案。然而在一番調查后，他意外地發現，每家醫院使用的策略都不同。究竟哪種治療方法對自己的父親能起到更好的效果呢？
“我讀了這些醫院的臨床試驗數據，做了一些簡單的計算”，迪米特里斯說。數學家的天性讓他從理性的角度思考不同的化療策略——他畫了一張圖，橫坐標是藥物的毒性，縱坐標是患者的生存率。在曲線上，迪米特里斯取了一個他認為的最優策略，并讓父親開始治療。
他的父親在確診后又活了2年，這比醫生的預期整整翻了一倍。
▲盡管胃癌的發病率在保持下降，但胃癌患者的5年生存率依然不容樂觀（圖片來源：NIH）
雖然沒有最終挽回父親的生命，但這段經歷給了迪米特里斯一個新的啟示——如果花上更多的時間，搜集更多的數據，是否能讓更多的患者從中受益？于是，他和他的研究團隊收集了自1980年以來大量有關胃癌的論文，并從其中的414篇論文里獲取了有用的臨床試驗數據。“我們從大量患者身上獲得了關鍵的信息，包括他們病得有多嚴重，用了什么樣的藥物，治療計劃與療效如何，藥物的副作用有多少，他們又活了多久，” 迪米特里斯說道：“這些數據能夠告訴我們對于特定的癌癥和人群，哪些療法的效果最佳，哪些療法又會有副作用。”
利用這些數據，研究團隊用機器學習的方法，搭建了一個統計學模型。在這個模型里，藥物類型以及它們的劑量與最終的療效被直接掛起了鉤。換句話說，只要在這個模型里填入藥物的信息，這個模型在理論上就能預測化療的效果。
“我們知道這個模型特別管用”，迪米特里斯說。研究團隊分別用1980-2005年與1980-2006年的數據，預測2006年和2007年的試驗結果。計算機返回的數據顯示，模型的預測極為準確。
▲已有數據的預測結果讓研究團隊對這個模型的準確率抱有很大的信心（圖片來源：參考資料[2]）
這個令人興奮的結果，意味著我們可以在臨床試驗啟動前，就了解不同的化療藥物組合可能起到的效果。迪米特里斯表示，之前我們可能嘗試了藥物A和藥物B的組合療法，也嘗試了藥物C和藥物D的組合療法，但是藥物A和藥物C的療法則是個全新的領域，沒有人知道它們的效果怎樣。現在，我們能夠從龐大的藥物數據庫中尋找出對特定人群能起到最好療效的藥物組合，為他們進行更好的治療。
這取得了奇效。
以晚期胃癌為例，這種惡性腫瘤在確診后，患者的平均壽命只有大約10個月。但使用經優化的藥物組合治療后，患者的壽命能夠額外延長4-6個月。這相當于延長了40%-60%的生命。“我們目前還無法治愈癌癥，但我們可以延長患者的生存期，降低化療的毒性，讓患者過上更有質量的生活”，迪米特里斯說。
這還不是這個強大模型的全部。研究人員發現，它有望能在試驗前找到對特定療法不敏感的患者。這能夠讓臨床試驗的設計人員重新考慮患者的招募條件，對條件進行精簡，節省試驗的成本。此外，在后續測試的配合下，這些結果可能帶來新的生物標志物，或者找到疾病的新機理，進一步影響人們對疾病的認識。
▲研究團隊期望將這個模型應用到更多的疾病上（圖片來源：MIT）
目前，研究團隊正在將同樣的方法應用到胃癌之外的其他疾病上。最近，他們剛剛完成了1500多個乳腺癌化療臨床試驗的數據收集，數據分析和建模也正在緊鑼密鼓地進行中。據悉，他們計劃和紐約長老會醫院合作，推進更為精準的臨床試驗。此外，迪米特里斯也已經開始研究糖尿病藥物的具體療效，并希望能為病人帶來個性化的血糖控制方案。最終，研究團隊計劃和美國臨床腫瘤學會合作，將所有的數據和模型公開。
就這樣，一名數學家為了延長父親生命所做的努力，最終給廣大的癌癥患者帶來了積極的影響。而這正是迪米特里斯最為看重的。我們祝愿這個結合了機器學習的精準模型能夠早日開放，讓包括中國患者在內的全球各大疾病早日用上最有效的治療方案。