在本次视频中，美国佛罗达州坦帕市莫菲特癌症中心（Moffitt Cancer Center）的肯尼斯·谢恩（Kenneth Shain）医学博士、哲学博士分享了利用患者数据建模多发性骨髓瘤（MM）的研究价值。谢恩博士强调，通过分析患者样本和分子数据，研究人员能够创建个性化的药物反应档案，制定更有效的治疗策略。该方法旨在超越传统"一刀切"模式，迈入个性化医疗时代——根据患者的个体特征和分子谱型优化治疗效果。本次访谈在英国牛津举行的第五届牛津骨髓瘤研讨会上进行。
昨日我进行了关于骨髓瘤新型建模的演讲，我们的总体目标凝聚了十余年的团队合作成果。我们致力于转变研究骨髓瘤的思维方式，确保不再沿用旧有方法，而是利用患者样本和数据来揭示骨髓瘤在个体中的真实运作机制。
我们设计并昨日展示的方案，是从获取患者样本开始的探索历程：志愿者自愿提供经知情同意的样本，用于观察骨髓瘤细胞本身对不同药物的反应。基于此，我们能够创建模型，在患者样本即肿瘤细胞上测试多种药物，观察其反应。再结合多种工具和数学模型，即可实时预测患者在临床治疗中的实际疗效。
我们的目标是建立覆盖尽可能多患者的快速响应体系，确保在八天内输出模型结果——明确该患者对特定药物或组合的反应。这项工作始于十余年前，现已取得巨大发展。当前目标是将此工具推广普及，但实际操作比预期更复杂。因此，我们在保留原始样本的同时，进一步获取高精度分子数据，包括RNA测序（分析患者骨髓瘤基因表达谱）和全外显子测序（解析突变模式）。
关键突破在于：我们将每位患者的样本及其分子数据与药物反应相关联，从而建立药物反应特征谱。这将成为指导治疗的新生物标志物，帮助预测患者疗效。这正是昨日讨论的核心目标。
随着全球合作的深入，我们日益明晰骨髓瘤基因组的结构特征。未来期望借助建模技术与人工智能，整合多维度数据开发个性化预测工具——不仅限于单一药物选择，更要充分利用患者数据的精细颗粒度信息。我们将同步整合"免疫微环境"分析（针对患者体内非肿瘤细胞）及临床数据，构建精准预测体系，为每位患者或患者群体定制治疗方案。这种高度个性化的医疗模式远超当前水平。骨髓瘤治疗已进入必须细分人群的阶段，"一刀切"时代已然终结。我们坚信这是极具前景的路径，但需全球研究者的持续协作才能实现。以上即为昨日讨论的核心内容。
【全文结束】
