AI驱动乳腺癌精准治疗创新，生存期大幅延长
近日，复旦大学附属肿瘤医院的研究团队在乳腺癌精准治疗领域取得了突破性进展。由邵志敏教授领衔的团队首次运用人工智能（AI）模型驱动的临床研究，找到了免疫调节型和RTK驱动型腔面型乳腺癌患者的精准治疗靶点。这一研究成果已发表在国际顶级期刊《肿瘤细胞》上。
乳腺癌是全球女性发病率最高的癌症，其中约七成患者为腔面型乳腺癌。传统的内分泌治疗虽然能改善患者预后，但在耐药后，患者常面临疗效不佳等问题。邵志敏教授表示，CDK4/6抑制剂等新型小分子药物在延长生存期方面发挥了重要作用，但耐药后需要更精准的治疗方案。
AI模型助力精准分型与治疗
2023年，邵志敏教授团队发布了“复旦腔面型乳腺癌四分型”模型，将腔面型乳腺癌精准划分为四个亚型：经典腔面型（SNF1）、免疫调节型（SNF2）、增殖型（SNF3）和RTK驱动型（SNF4）。
本次研究依托乳腺癌精准治疗协作组（BCTOP），通过对多组学数据的深度挖掘，揭示了疾病的异质性，并建立了可供临床转化的分子分型系统。研究团队创新设计了由AI分子模型驱动的临床研究，通过快速解读患者的病理切片，推断出不同亚型的精准治疗靶点，并匹配相应的靶向药物。
“AI分子模型作为‘超级大脑’，整合形态学、肿瘤微环境等海量信息，5分钟内即可出具分型结果，将精准诊疗的门槛和成本降至极低。”——范蕾教授
临床试验验证疗效显著
临床研究首次证实，在免疫调节型和RTK驱动型腔面型乳腺癌患者中，精准治疗策略展现出压倒性优势。免疫调节型患者采用卡瑞利珠单抗联合方案，客观缓解率从30%提升至65%；RTK驱动型患者使用阿帕替尼联合治疗，缓解率从20%跃升至70%。
“两个亚型的患者中位无进展生存期均实现翻倍以上延长。”——江一舟教授
江一舟教授指出，这次研究实现了从“假设验证”到“主动发现”的范式革命。基于贝叶斯假设的“平台试验”设计，研究团队能够根据实时数据动态优化患者分配，快速识别有效方案，极大提升了药物研发和临床验证的效率。
未来展望：ADC药物的精准化应用
基于LINUX多中心II期临床试验的成功，研究团队计划开展针对SNF2和SNF4亚型的多中心、随机对照III期临床试验，以验证其在更大规模患者群体中的有效性和优越性。CDK4/6抑制剂耐药后，ADC药物已成为HR+/HER2-晚期乳腺癌的“重生希望”。
“通过AI模型驱动的分子分型来指导ADC的精准联合应用，将助力ADC药物从‘普适应用’迈向‘精准治疗’。”——邵志敏教授
未来，研究团队计划在临床中将ADC药物作为每位腔面型乳腺癌患者的基础治疗，并根据个体亚型的不同生物学特性“叠加”“组合”不同的靶向药物，逐步用新一代ADC（抗体偶联药物）替代目前的化疗骨架。
这一创新研究不仅为乳腺癌的精准治疗提供了新的思路，也为全球抗癌研究带来了新的希望。
