
早发现早治疗,是目前我们所熟知的癌症最佳治愈方式。这也就是为什么,年复一年,上了一定年纪的人们总风雨无阻地定时去体检,通过拍片等一系列不舒服的体检项目来检测前列腺癌和乳腺癌等等。
但是,其他诸如脑癌、卵巢癌、血癌和淋巴癌等等成千上百万种癌症要如何被提前发现呢?还有那些数百万没有体检习惯的青少年们,纵使已被证实他们罹患癌症的可能性比成年人还大。
目前其他癌症的诊断方法既危险又昂贵,所以大多数癌症患者直到身体垮掉才意识到自己罹患了癌症。等到那个时候,已经为时过晚了。
由以上原因,Miroculu这家公司创造了一种可以通过简单的血液测试来简便检查各类癌症的医疗设备。Miroculu的这个产品Miriam,以低成本和开放源码使其在上周于里约热内卢举办的TED会议上大放异彩,并被TED 会议主席Chris Anderson 称之为“ TED历史上最震撼人心的产品之一”
该公司由来自全球顶级的企业家、微生物学家和数据分析学家组成,他们的目标是打造使用便捷的Miriam,让乃至全世界各地小诊所那些未经培训的人也可以使用它。目前该产品还在初期阶段,但如果它通过了初期实验成功了,Miroculus 就可以让癌症检测方式变成简单的抽血测试。
Miroculus的技术基础是微核醣核酸,这是一种可以作为生物预警信号的小分子,它的存在与否说明了身体当下的状况。所以,从它们在1993年首次被发现以来就被用作一种有效的疾病警示信号,这其中就包括癌症。
不过多年以来,研究者认为微核醣核酸只能在细胞中被发现,于是它作为生物讯号的使用率不高。但在2008年,一群研究人员发现在血液中发现了微核糖核酸,极大地吸引了那些认为微核醣核酸是检测早期癌症关键所在的科学家们。
Fay Christodoulou就是其中的研究者之一。这位来自希腊的分子微生物学家,她在多年研究微核醣核酸演进过程效果后,将注意力转移至研究微核醣核酸与甲状腺癌之间的联系。去年,她决定加入Singularity大学的一项研究课题,该课题是硅谷的一个创新孵化计划,用以鼓励人们花10周的时间来完成一项足以影响1亿人的商业创意。
她聚集了包括智利企业家Alejandro Tocigl、以色列生物学家 Israeli、智利医生 Pablo Olivares、巴拿马多个企业创始人Ferrán Galindo,还有墨西哥的电子工程师及墨西哥国有企业civic innovation的前总经理Jorge Soto在内的多人。
由他们组成了一个团队并最终发展成为 Miriam的核心骨干。
Christodoulou 说“要想在10周时间内化无为有,基本上没可能。但是以我的经验判断,他们不过是告诉世人,他们先下手为强了,让你别再花10年在这项研究上了。你使用的还是现有的工具,只是它将以一种全新的方式组合在一起。”
Miriam 使现有的许多关于微核糖核酸与癌症的科学调查研究资本化。你可以准备一个血液样本,比如用现有的RNA萃取设备或者是Miroculus的“混合”(另一种方法是用皮屑进行检测)。接着,只要你准备好样品就可以将血液滴入96孔板——这个被Christodoulou 号称是该公司的“秘密武器”
每一个孔都用 Miroculus所有的专利生物工程技术做过预处理,以用来诱取与癌症检测有关的微核糖核酸。Miroculus的装置设备仅500美金,它真正的盈利点实际上是这些检测必须要用的96孔板。
等孔板载满样本后,就可以将它放进设备里,并开始进行化学反应。当微核糖核酸显现后,孔板就开始发光发亮。孔板越亮,就表示微核糖核酸越多。反应会在一小时内完成,并将结果传送至云处理系统。随后,系统将根据孔板的亮度来判断样本里的微核糖核酸种类。并且将结果与数据库里哪种微核糖核酸对应哪种癌症的信息进行匹配。接着系统便会做出诊断。
在这段奇妙之旅中,该团队已经完成了一项实验,该实验中他们使用上述方法在小白鼠的身上找到了癌细胞。我们现在正在研究一个分散化系统,其中最大的挑战就是让设备足够完善,这样才能将它的用户群体扩大到全世界各地无论是否具备完善检测条件的那些未经培训的人。
该公司由Tocigl、Christodoulou和Soto在全职管理。它当前必须建立起自己的数据库来确保系统准确无误地读取数据。Muneesh Tewari作为首次在血液中发现微核糖核酸的该团队成员之一,并且在Fred Hutchinson 癌症研究中心拥有自己研究所,他目前正在酝酿新动作。
据他所说,微核糖核酸测试的最大挑战是它不仅仅出现在癌症症状的血液里,如果人们服用了阿司匹林或者患有呼吸道感染,他们的血液里也会找到微核糖核酸。所以,为了确保准确性,Miroculus不仅需要弄清楚怎样的检测结果意味着癌症,还必须知道健康的状态、药物以及其他环境因素是否会影响和改变这些结果。
Tewari 说:“每个人的血液里都有非常多生物标记,但是我们无法得知哪一种是致命的源头。接下来的一大挑战是,当未经培训的人们使用该设备时如何确保检测结果的准确性。”
Miroculus非常清楚,数据从某种意义上来说与Miriam背后的核心可以一样重要。“我们实际上是一家大数据公司,而且我们的核心价值将会体现在我们所获取的数据信息上,体现在我们如何获取数据以及如何做出诊断上。” Tocigl如是说。
之所以Miroculus的目标用户定位不在于医生或者其他医务工作者,而在于一般的药商,是因为如果它的使用者是医生,那么美国食品与药物检测局FDA将会调查它在病患身上的临床反应。由于这些使用用户会上传检测数据,因此Miroculus将可以收集大量关于微核糖核酸的数据。也许历经多年,Miroculus 收集到足够充足的数据,直到那个时候Miroculus才会通过FDA将Miriam扩展到医疗用品领域。到时候,Miroculus会继续调试设备并将研究拓展到位于德国伯明翰的欧洲分子生物学实验室之外。
Tewari 说这种方法很棒,而且他相信Miroculus因为它利用最新科技来解决问题,提炼最新技术,甚至连调查方式都很前卫。“我觉得两个任务要同时进行,只有同时解决这两个问题才能真正的改变世界。”
接着,他提出了一个很有意思的点子,早发现早治疗长期被认为是癌症最有效的治疗方法这一观点现在在医学界争议很大。从去年开始,一群来自美国国家癌症研究所(NCI)的专家甚至开始号召全世界重新对“癌症”做出定义。
他们的争议是源于科学已经证实有些情况下我们所认为的“癌症”是无害的,比如原位管癌,它就是一种不会造成伤害的乳腺癌。如果我们继续称这些为“癌症”,只会让病人承受不必要的心里压力。然后迫使他们做过多无谓的手术和治疗。常规的癌症检测,比如Miroculus,就很有可能会诊断出过多的无害的“癌症”。
“及时发现问题这将大大降低全世界的死亡率,但是我们也不能天真地认为及时发现的症状就一定有问题。”
继而他也说,别让这种恐惧阻碍了控制早期癌症方法的发展。“建立一个足够准确并且由非专业人士操作的系统。这个想法将会带来无穷的能量与颠覆性的改变!”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30