这些年，尽管医学发展迅猛，但“谈癌色变”的情形依然存在。很多人认为，得了癌症，就等同于马上面临死亡。实际上，并非所有的癌都是死亡率高的急症。有一种癌，其恶化速度非常慢，甚至一些患者在去世前始终没有面临恶化。这种癌就是“前列腺癌”，一种位居我国男性高发疾病排行榜第六、死亡率却非常低的癌。
那这是否意味着得了前列腺癌，大可不必在意？答案恰恰相反，前列腺癌的“可怕”在于死亡率虽低，但一旦恶化，患者将面临极大的致命风险。
这时候，可能你会说，“那干脆就早点做手术‘一刀切’，彻底解决隐患！”然而实践发现，低风险早癌患者如果选择手术切除前列腺囊，将主动承受长期的术后副作用。因此，最好的办法便是早筛早治、长期监护，通过定期检查来监控癌症的恶化情况，以提供必要且及时的治疗方案。
但监控癌症恶化的检查也存在一定精度误差，由此可能导致漏查、延误治疗。这一危害人民生命健康的医疗监护难题，引起了yl23411永利研究员张政及其合作者Brian T. Denton、Todd M. Morgan的注意。经过长时间的深研，他们终于提炼出了一种更加精确且高效的监护策略，这种策略在相同的筛查次数下能够显著提高前列腺患者的预后寿命。日前，他们的研究成果——Optimization of active surveillance strategies for heterogeneous patients with prostate cancer发表于国际顶级期刊Production and Operations Management（管理学UTD24期刊之一，FT50期刊之一）。
yl23411永利“百人计划研究员”张政
研究成果发表截图
他们这项重要成果，可大大改进实践中的“一刀切”治疗策略，避免过度医疗带给患者的长期痛苦。本期专题，我们一起来看张政团队如何通过“运筹学”与“医学”学科交叉融合研究，提高医疗资源运作效率、改善疾病诊疗决策，助推人民生命健康。
他们让患者不必频检遭受剧痛，显著延长“预后寿命”
事实上，癌症的可怕，不只是难治或是治不好，还有治疗费用高，且每一次治疗对患者来说都是“噩梦”——痛到炸裂。而前列腺癌不仅治疗起来痛，检查起来也痛。为了避免“一刀切”带来的危害，
如今，医学界正在推广针对于早期前列腺癌症患者的“与癌共存”模式，也就是癌症长期监护策略。这就意味着，前列腺患者的定期检查少不了。但医生也不能无限制的安排大量检查，因为前列腺癌目前最有效的检查手段是穿刺检查，每一次检查都会给患者带去巨大的疼痛感。所以，确定病人检查频率或检查时间的监护策略决策，是影响癌症监护有效性的关键变量，这也是国际泌尿师协会重点关注的一大研究难题。
“如何才能让患者不必频繁遭受剧痛，同时又不会漏查、延误治疗？”基于对这一问题的思考，张政团队针对前列腺癌症的发病及恶化过程进行了数学建模，并从病人的年龄结构、风险特征等维度对不同类型病人的癌症恶化检出率做了更加精准的刻画，继而提出更加精确且高效的监护策略。
研究结果表明，张政团队提出的优化策略能够显著改善现有的筛查指南策略，也就是说，在相同的筛查次数下，运用这一优化策略能够提高病人的预后寿命。
据估算，每一名前列腺癌患者通过此优化策略进行监护，平均可延长寿命达0.06年（21天左右），这在癌症防治领域是一个非常显著的数字。
张政团队在研究中还发现，“更加个性化的筛查方案”能进一步提高病人的预后寿命，但这种提高会呈现明显的边际递减效应。而通过他们的模型设计出来的两类优化监护策略，能够非常高效地覆盖现有的50多类病人，这对于策略的简化和医院落地推广实施而言，是一个非常好的消息。
他们研发的数学模型与算法，不只适用于前列腺癌监护
张政团队之所以能够研发出这种高效的前列腺癌症监护优化策略，是因为他们对这类复杂癌症的监护策略优化问题进行了随机规划数学建模，并针对该模型设计出了一套高效的求解算法。这为张政团队研发监护优化策略提供了方法论保障，同时这也是他们在癌症监护领域研究方法上的一大创新。
这一“创新”，不只适用于前列腺癌监护。据张政团队透露，他们研发的数学模型和相关算法具有一定的普适性，除前列腺癌之外，还可应用于其他类型的癌症筛查和监护策略优化。
“目前，我们正联合浙江大学医学院附属第二医院、邵逸夫医院等，基于此数学模型与算法开展针对于乳腺癌、结直肠癌的筛查方案设计，敬请期待我们后续的研究成果。”张政说。
进入新时代，我国人民生活水平显著提高，但与此同时，人口老龄化日益加剧，各类慢性疾病正逐渐成为影响我国人民生命健康的“头号杀手”，其中，癌症是最让人们恐惧且治疗成本最高的一类慢性疾病。
张政团队的这项研究，能显著改善现有的指南策略，让患者在不遭受过多检查带来的“剧痛”的情况下依然能及时有效地防止癌症恶化与扩散，显著提高患者预后寿命。而且，他们研发的监护优化策略足够高效，也简单易行，能够快速应用于实践，对提升前列腺癌的监护效率有着重要的应用价值。
人民生命安全和身体健康是人类发展进步的前提，张政团队在聚焦“四个面向”之“面向人民生命健康”、助推“健康中国”建设、扎根中国大地做研究、以“商学+”学科交叉研究解决中国医疗与健康管理现实难题之路上，仍在持续探索。
附：论文摘要
Prostate cancer (PCa) is common in American men with long latent periods, duringwhich the disease is asymptomatic. Active surveillance is a monitoring strategy com-monly used for patients diagnosed with low-risk PCa who may harbor latent high-riskPCa. The optimal monitoring strategy attempts to minimize the disutility of test-ing while ensuring that the patient is detected at the earliest time when the diseaseprogresses.
Unfortunately, guidelines for the active surveillance of PCa are often one-size-fits-all strategies that ignore the heterogeneity among multiple patient types. Incontrast, personalized strategies based on partially observable Markov decision process(POMDP) models are challenging to implement in practice given the large number ofpossible strategies that can be used. This article presents a two-stage stochastic pro-gramming approach that selects a set of strategies for predefined cardinality basedon patients’ disease risks. The first-stage decision variables include binary variablesfor the selection of periods at which to test patients in each strategy and the assign-ment of multiple patient types to strategies. The objective is to maximize a weightedreward function that considers the need for cancer detection, missed detection, andcost of monitoring patients.
We discuss the structure and complexity of the model andreformulate a logic-based Bender’s decomposition formulation that can solve realisticinstances to optimality. We present a case study for the active surveillance of PCa andshow that our model results in strategies that vary in intensity according to patient dis-ease risk. Finally, we show that our model can generate a small number of strategiesthat can significantly improve the existing “one-size-fits-all” guideline strategies usedin practice.
