犹他大学（简称U）的科学家开发了一种新型“芯片实验室”设备，该设备利用人工智能快速预测儿童T细胞急性淋巴细胞白血病（T-ALL）癌细胞对靶向药物的敏感性。T-ALL是一种侵袭性强、难以治疗的癌症。
研究人员表示，这种尚未用于临床的工具，可能通过快速识别患者癌细胞对哪些疗法敏感，帮助减少不必要的治疗和副作用。该设备名为μPharma，可在四小时内而非数天内得出结果，为分秒必争的场合提供通往当日精准医疗的潜在途径。
该平台无需将患者癌细胞直接暴露于药物，即可识别患者的药物反应谱。它利用数字微流控技术，在芯片上移动微小液滴并自动化原本耗费人力的液体处理步骤，从而减少所需细胞和试剂的数量，降低人为错误，并加快流程。试剂是添加到系统中以触发化学反应或检测其他物质存在的化合物。
T-ALL是急性淋巴细胞白血病的一个具有挑战性的亚型，也是儿童最常见的癌症。虽然完全缓解率有所提高，但许多幸存者因强化化疗而承受长期影响。
快速确定药物反应有助于临床医生更早地制定个性化治疗方案，减少无效治疗和副作用带来的影响。对于这些患者而言，迅速找到最有效的治疗方法可能挽救生命。
“在儿科恶性肿瘤中，治疗选择的创新是一项迫切需求，”亨茨曼癌症研究所的儿科肿瘤学家、犹他大学儿科学副教授Luke Maese医生表示。Maese治疗白血病患儿，他们可能受益于像μPharma这样的进步。“在‘实时’内完成的个性化治疗选择将成为癌症治疗未来的组成部分，μPharma代表了朝着这一方向迈出的令人鼓舞的一步。”
在一项发表于《Med》期刊的研究中，科学家还证明μPharma能够准确预测目前正在针对T-ALL进行研究的两种靶向疗法——达沙替尼和维奈托克——的反应，并揭示了药物反应与T-ALL关键分子标记之间先前未被认识的联系。
“我们的团队为开发这项技术付出了巨大努力，看到它表现出色，是将其带入临床以帮助患者的关键一步，”亨茨曼癌症研究所实验治疗项目研究员、犹他大学分子药剂学助理教授Yue Lu博士说。
该项目是Lu与犹他大学生物医学工程助理教授、DigiPharma实验室联合负责人Alphonsus Ng博士，以及圣裘德儿童研究医院和宾夕法尼亚大学的研究人员合作完成的。
该平台能够检测单个癌细胞水平的药物敏感性差异。这一点很重要，因为如果某种特定药物对部分癌细胞有效而对其他部分无效，那么存活的癌细胞可能会卷土重来。通过分析单细胞水平的药物反应，它可以帮助医生确定能够针对患者所有癌细胞的药物，从而可能改善长期预后。
“如果我们能够快速准确地监测癌细胞的敏感性并适当调整治疗，我们相信这可以显著改善结果，”Ng说。“下一步是在真实的临床环境中使用原代白血病细胞验证这项技术。”
μPharma设备的工作原理
临床医生将患者的一小份癌细胞样本放入设备中。在设备内部，细胞被夹在间距仅比人类头发直径稍宽的两块板之间。电流精确地将微小的化学液滴移动到细胞周围或从细胞移开，完全自动化了通常耗时且劳动密集型的实验室流程。
这种方法使与药物敏感性相关的关键分子在细胞内可见。然后，一个机器学习模型检查这些分子、它们在细胞内的位置以及细胞形态，以预测哪些药物可能对每位患者有效。
反思更安全、更精准护理的潜力，亨茨曼癌症研究所药房主任Makala Pace博士（药学博士、BCOP、MBA）承认μPharma可能带来的巨大益处。她指出：“一种能够在数小时内预测药物反应，帮助临床团队优先选择最有可能获益的疗法，同时简化护理并最小化对我们最年轻癌症患者的不必要毒性的工具，正是我们肿瘤学药房实践中所追求的精准度。”
出版详情：Hu Huiqian等，μPharma：用于白血病单细胞药物敏感性预测的微流控AI驱动药型分类平台，《Med》（2026）。DOI: 10.1016/j.medj.2025.100966
期刊信息：《Med》
关键医学概念：前体T细胞淋巴母细胞白血病-淋巴瘤；达沙替尼
临床类别：肿瘤学；儿科学；儿童健康；临床药理学
提供方：亨茨曼癌症研究所
【全文结束】