台北荣总展示的全基因定序分析系统，共有7大分析介面，如疾病诊断、药物代谢、带因者等。该系统可根据医师输入的关键字快速找出关键致病基因，比如输入免疫缺陷，可即时查看相关的数百个基因。
摄影／王若朴
台北荣总日前在台湾医疗科技展中展示一项全基因定序分析系统，由北荣儿童医学部部主任牛道明主导开发，能根据医师输入的关键字，在10秒内找出关键致病基因及相关资讯。系统查询范围涵盖遗传疾病诊断、美国医学遗传学暨基因体学学会（ACMG）变异位点、体质分析、药物代谢等7大类，透过即时产出分析结果，来帮助医师制定更精准的个人化治疗方案，不必如其他系统需等待至少5至10分钟。该系统提供云端与地端离线版，团队还另外开发一套AI系统，要来预测用药风险。
联手前BioBank团队成员，整合30年专科经验打造全基因定序分析系统
进一步来说，全基因定序分析是世界趋势，不只美国基因分析龙头Illumina去年宣布每人全基因定序成本可降低至200美元，台湾健保署明年也将癌症基因定序纳入健保给付。其实，台湾自2010年通过《人体生物资料管理条例》后，收载基因组相关资料的人体生物资料库（Biobank）相继出现，其中中研院于2012年获得许可，正式成立台湾人体生物资料库，并在2015年与医学中心合作，在2021年完成15万名社区民众收案。建置台湾人体生物资料库平台的部分成员，后来独立成立全基因定序分析公司道品，要用自身经验打造基因分析系统。
而牛道明长年耕耘儿科和罕见疾病领域，也是台北荣总罕见疾病研究治疗中心主任，大约2年多前开始与系统厂商合作，透过他30年的专科经验，来共同设计系统功能介面和基因变异位点的筛选排序条件。这包括系统7大类查询介面，如常见遗传性癌症和代谢疾病的基因筛查、疾病诊断、美国医学遗传学暨基因体学学会（ACMG）变异位点、体质分析、药物代谢、下一代带因者、人类白血球组织抗原分型（HLA typing）等。
就操作来说，医师于诊间看诊时，在系统介面输入关键字，10秒就能找到所需资料。比如，在系统中点击患者资料，在疾病诊断介面的搜寻栏中，输入临床症状，如免疫缺陷（Immunodeficiency），10秒内就会呈现与其相关的277个基因，医师可点击查看基因资讯，再选取报告所需关键基因。道品现场人员解释，这是该系统与其他系统不同之处，医师可自行勾选所需的元素，再制成客制化报告，而非如一般系统，只能产出制式报告。
在体质分析介面，医师可根据患者资料，查询台湾人特有的中风基因、咖啡因焦虑相关基因、酒精成瘾基因、尼古丁依赖性基因，又或是心血管疾病相关基因。这些资讯是根据牛道明长年专业经验，所排序设计的。
此外，在主动筛查页面，医师可输入关键字，从1万9千个基因中找出致病点位。其中，这些基因的筛选排序条件，也是根据牛道明经验设计而成，能将严重程度高的基因优先呈现，让医师一眼就知道。透过主动筛查，医师可找出病患还未知的疾病，主动提醒患者、及早服药治疗。
目前，该系统能将超过85.6％的样本致病基因变异位点排序在第一顺位，且超过92.93％的样本在前三顺位就可找到致病基因变异位点，准确度高。道品现场人员表示，这款分析系统能在10秒内给出答案，比市面上系统的5至10分钟快上许多，医师可直接在诊间作业、与病人沟通，不必额外等待。做到如此快速并不容易，因为每位民众有上百万个变异点位，加上自家整理的注释资料库，资料量高达数十亿，他们透过软硬体调教来缩短分析查询时间。该系统现在也在优化与扩充中，未来将增添更多分析功能到原本的7大功能。
打造AI预测系统，未来要用于新药开发
另一方面，道品团队也在2021年展开一项POC专案，要打造AI疾病风险预测平台，先来验证平台的分群预测能力。他们首先申请下载美国国卫院（NIH）的基因资料，包括小儿气喘、中风和静脉栓塞等3种疾病资料，来训练模型。
就每个疾病而言，各自会再分为病患全基因体序列和对照组全基因体序列（即未患病之正常人），来让模型学习患者的特征，进而预测一位民众的疾病风险。以小儿气喘来说，病患和对照组各自用了614位民众资料来训练模型，并各自用了191个全基因体序列来验证，准确率为0.98。中风和静脉栓塞准确率分别是1和0.96。（如下图）
道品解释，他们透过这个POC专案，得知平台有良好的分群效果，希望接下来能用于新药开发，特别是在药物二期临床试验时，能用这套AI预测平台来找出特定人群的基因特征，来更精准设计药品。
今年开始，团队也与不同机构访谈，发现在癌症用药上有许多AI预测需求，能透过基因体序列分群来找出用药风险，避免副作用，也能更精准治疗。这是团队接下来的目标。