Y khoa tiên lượng (Predictive medicine): từ gen đến môi trường

Nhóm nghiên cứu của tôi rất quan tâm đến y khoa tiên lượng (có khi còn gọi là personalized medicine). Chúng tôi tiêu ra rất nhiều thì giờ suy nghĩ về vấn đề và làm cách nào để dùng gen đánh giá nguy cơ loãng xương cho một cá nhân. Nhưng trong thời gian gần đây, cá nhân tôi đã bắt đầu "dao động", vì trong thực tế gen giải thích rất ít những khác biệt giữa các cá nhân, và yếu tố môi trường mà chúng ta phơi nhiễm có thể có ảnh hưởng lớn hơn. Chẳng hạn như trong ung thư, chỉ có khoảng 25% nguy cơ ung thư là do gen, phần còn lại là các yếu tố môi trường, mà tôi tạm gọi là environmentome. Sau này, tôi học được danh từ exposome để thay cho environmentome. Bài nói chuyện dưới đây (tại UTS hôm 25/5) chỉ là một trong nhiều bài tôi đã "lang thang" nói chuyện trong các seminar tại các đại học và viện nghiên cứu trong thời gian 5 năm qua. Chỉ muốn nhân dịp này chia sẻ cùng các bạn nào quan tâm, và hi vọng có dịp hợp tác sau này.

Predictive Medicine in the Era of Big Data: From Genome to Exposome

Medicine is a science of uncertainty and an art of probability

W. Osler

The predisposition to diseases and the response to therapies are highly variable between individuals. The variability is caused by a complex web of interactions between genetic and non-genetic factors. Each of us has a unique profile of risk factors, and this profile is defined by multiple genetic variants and connected environmental factors (i.e., "environmentome"). Therefore, the goal of predictive medicine is to provide an individual with accurate risk assessment by using the individual's risk profile.

Current challenges of predictive medicine are to identify relevant factors for developing a risk profile, and to develop good predictive models. Several statistical methods are available for finding relevant factors, that explain rather than predict outcomes. A good predictive model should meet "4R" criteria: reliable, relevant, real-world, and real-time. However, most current predictive models do not meet those criteria, or may be overfitting which partly contributes to the lack of reproducibility. Common genetic variants explain a modest proportion of variance in disease susceptibility. The next frontier of predictive medicine should be focused on environmental exposures to lifestyle, stress, diet, pollution, radiation, and drug, which may collectively be referred to as "exposome". With on-going advance in omics technologies, and mHealth and eHeath technologies, there are great opportunities to improve the development and implementation of good predictive models in medicine. Big datasets resulted from large consortia allow genetic variants with [often] tiny effect sizes to be identified. The advance in mHealth and eHealth technologies will facilitate large scale studies of interactions between genomics, diseasome and exposome to be carried out. These technologies also enable innovative designs for testing the effectiveness of predictive/personalised medicine.

Medical science is evolving into a more predictive science, where the development and implementation of predictive models may gradually realise the Osler's vision of medicine. Predictive models in medicine should not just identify high risk individuals for prevention, and identify appropriate patients for treatment with high precision, but also potentially identify optimal therapeutic pathways based on the contributory mechanisms.