研究背景与临床挑战 - HR阳性/HER2阴性乳腺癌是最常见的亚型，约占所有病例的三分之二[3] - 晚期患者一线标准方案为内分泌治疗联合CDK4/6抑制剂，无进展生存期可延长至2-2.5年[3] - 患者对CDK4/6抑制剂耐药后，后续治疗选择有限，中位无进展生存期通常不足6个月[3] AI辅助的分子分型创新 - 研究团队利用人工智能辅助的分子分型，将HR阳性/HER2阴性乳腺癌精准划分为四个新亚型：SNF1、SNF2、SNF3、SNF4[4] - 传统基于基因表达的分型难以全面反映肿瘤异质性[8] - 新分型基于整合基因组、蛋白组等多组学数据，并利用相似性网络融合算法[8] - 开发了AI模型，仅通过分析常规H&E染色病理切片即可准确预测SNF亚型，避免了昂贵复杂的多组学检测，使临床大规模应用成为可能[11] 新亚型特征 - SNF1为经典管腔型，对内分泌治疗相对敏感，但晚期患者肿瘤负荷高[8] - SNF2为免疫活化型，肿瘤内部免疫细胞浸润较多，呈现“免疫热肿瘤”特征[9] - SNF3为增殖型，细胞增殖活跃，DNA损伤修复功能存在缺陷[10] - SNF4为RTK驱动型，受体酪氨酸激酶信号通路活跃，预后较差[11] LINUX平台试验设计 - 为验证基于SNF分型的精准治疗策略，研究团队设计了多中心、随机对照的II期LINUX平台试验[13] - 试验入组了105名对CDK4/6抑制剂治疗耐药的HR阳性/HER2阴性晚期乳腺癌患者[13] - 核心流程：对患者肿瘤样本进行AI分析确定SNF亚型，再将每个亚型患者随机分为精准治疗组与标准治疗组[13] 精准治疗方案 - SNF1亚型：依维莫司联合内分泌治疗[14] - SNF2亚型：卡瑞利珠单抗联合法米替尼及化疗[14] - SNF3亚型：氟唑帕利联合化疗[14] - SNF4亚型：阿帕替尼联合化疗[14] 试验成果与疗效数据 - 主要终点客观缓解率对比显示，精准治疗组在多个亚型中优于对照组[17] - SNF1亚型：精准治疗组ORR为10%，对照组为0%[17] - SNF2亚型：精准治疗组ORR为65%，对照组为30%[17] - SNF3亚型：精准治疗组ORR为40%，对照组为30%[17] - SNF4亚型：精准治疗组ORR为70%，对照组为20%[17] - 对于SNF2和SNF4亚型，统计分析显示精准治疗方案有效的概率分别高达86.7%和97.6%[19] - 精准治疗显著延长了SNF2和SNF4患者的无进展生存期[19] - SNF2亚型中位PFS达8.1个月，相比标准治疗组的4.3个月，疾病进展风险降低约60%-66%[19] - SNF4亚型中位PFS达7.0个月，相比标准治疗组的3.4个月，疾病进展风险降低约60%-66%[19] - 安全性方面，精准治疗组与标准化疗组的3-4级治疗相关不良事件发生率相同，均为37%[19] 研究意义与展望 - 验证了利用低成本、可及的病理切片和AI技术实现临床精准分型与治疗指导的完全可行性[21] - LINUX作为平台试验，可持续纳入新治疗方案进行测试，高效为不同亚型患者寻找最佳疗法[21] - 研究结果为HR阳性/HER2阴性晚期乳腺癌后线治疗提供了强有力的新证据[22] - 成功识别出SNF2这一“免疫热肿瘤”类型，并通过免疫联合抗血管和化疗的三药方案大幅提高疗效，打破了HR阳性乳腺癌传统上“免疫冷肿瘤”的治疗僵局[22] - 研究描绘了通过AI为患者精准匹配个体化治疗方案，实现“一人一策”精准医疗的未来图景[24]