德国马克斯·德尔布吕克医学中心柏林医学系统生物学研究所（MDC-BIMSB）的生物信息学与多组学数据科学平台负责人Altuna Akalin博士带领团队开发了一款名为Flexynesis的人工智能工具，旨在推动癌症治疗的精准化。随着每年近50种新抗癌疗法获批，临床医生和患者面临选择困难，难以根据每位患者的独特肿瘤特征找到最优治疗方案。Flexynesis通过深度学习技术，整合基因组、转录组、蛋白质组等多组学数据，以及医学影像（如CT、MRI）和临床文本信息，实现对癌症的多维度分析。 与传统机器学习工具相比，Flexynesis具备更强的灵活性和可扩展性，能够同时回答多种临床问题：识别癌症类型、预测药物疗效、评估患者生存率，并帮助发现潜在生物标志物。尤其在原发肿瘤不明的转移性癌症病例中，该工具可辅助定位原发灶，为制定个性化治疗策略提供支持。 该工具采用模块化设计，支持PyPI、Guix、Docker、Bioconda和Galaxy等多种部署方式，便于科研人员和医疗机构快速集成到自身工作流程中，无需具备深度学习专业知识。Akalin强调，Flexynesis的目标是降低医院和研究团队在多模态数据整合方面的技术门槛。 目前，德国医院尚未常规采集多组学数据，但在美国，这类数据已在肿瘤多学科会诊中广泛应用。Akalin团队的研究已证明，利用多组学数据可准确预测治疗效果。尽管目前多组学数据主要应用于如MASTER计划等罕见癌症研究项目，但未来有望在临床推广。 此外，该团队此前推出的Onconaut工具基于已知生物标志物和临床指南，与Flexynesis形成互补。Akalin希望Flexynesis能推动精准医学在临床的落地，使更多患者受益于人工智能驱动的个性化治疗。该工具已上线，提供详细使用说明，持续更新中。