2021年1月21日，华盛顿，华盛顿-癌症是一项重大的全球性挑战，由于人口老龄化和人口增长，癌症的影响预计会逐步升级。研究人员认识到，新的诊断和治疗致命癌症的方法，包括确定治疗癌症的新药物，对于遏制这种疾病日益严重的影响至关重要。

尽管数十年的研究投资已使癌症的存活率有了实质性的改善，但关键的挑战仍然是确定能改善癌症患者，尤其是肿瘤扩散到全身的癌症患者的结局的新药。

在AIP Publishing的APL Bioengineering中，研究人员提出，识别新药的主要障碍是模型的缺乏-在实验室环境中模拟人类癌症的生物体-不能精确地代表患者肿瘤的癌症研究。他们提供了有关使用个体患者模型开发模型以指导癌症治疗的策略的观点，以及该领域在动物系统和培养系统方面的研究需求。

作家Alana Welm表示：“除了拥有更好的癌症研究模型外，我们还试图发展以患者为基础的模型，以便可以对患者标本进行快速可靠的药物测试，以帮助个性化癌症护理。”“这是功能精密肿瘤学的概念。”

在功能精密肿瘤学中，在患者衍生的异种移植物或培养系统的背景下，测试来自各个患者的肿瘤样品对各种药物的敏感性，以指导患者在病程中的治疗。

研究人员建议，一种更强大的方法来加快癌症研究的步伐，就是将患者衍生的模型开发与每天进行的大量临床试验结合起来。

如果将临床数据和模型与药物反应信息一起进行整理和共享，则机器学习可以促进对这些大数据的分析，从而发现个体之间药物反应或耐药性的复杂模式，然后可以在患者衍生的模型中对其进行进一步测试。

研究人员预想，可以对患者的肿瘤进行生物信息学分析，以鉴定出一组复杂的特征，这些特征可以用来预测对各种疗法的反应，并可以从以前的研究中收集到的功能性药物反应数据提供信息。研究人员认为，这将有助于在治疗早期选择更有效的药物，同时避免施用无益的有毒药物。