近日，复旦大学附属肿瘤医院乳腺肿瘤中心主任兼多学科综合诊治团队首席专家邵志敏教授领衔团队发布最新临床试验研究成果：基于该团队建立起的 " 复旦腔面型乳腺癌四分型 " 分子分型系统，首次运用 AI 模型驱动临床研究，找到免疫调节型和 RTK 驱动型的腔面型乳腺癌患者精准治疗靶点，通过匹配相应靶向药，证实可显著提升疗效。该研究发表在国际顶级期刊《肿瘤细胞》。

耐药后的生存瓶颈亟待创新突破

乳腺癌是全球女性发病率最高的癌症。约占乳腺癌患者总数近七成的腔面型乳腺癌患者，通过内分泌治疗改善患者预后。

" 以 CDK4/6 抑制剂为代表的乳腺癌新型小分子药物，在延长晚期腔面型乳腺癌患者生存期方面发挥重要作用。" 邵志敏形象比喻，就像钥匙配锁，以往用同一把钥匙开所有锁的方式行不通了，CDK4/6 耐药后的患者面临治疗方案不统一、疗效不佳等问题，需要根据肿瘤的分子特征更精准地匹配治疗方案，" 同病异治 " 提升疗效。

2023 年，邵志敏教授、江一舟教授团队首次发布 " 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 4 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 LINUX 的多中心临床研究聚焦晚期腔面型乳腺癌患者耐药后的治疗困局，依托乳腺癌精准治疗协作组（BCTOP），基于 " 复旦腔面型乳腺癌四分型 " 模型，通过对多组学数据深度挖掘，揭示疾病的异质性，建立起可供临床转化的 " 复旦腔面型乳腺癌四分型 " 分子分型系统，并为不同亚型的腔面型乳腺癌患者推断出其潜在的精准治疗靶点，匹配相应靶向药物，首次前瞻性证实 " 分型精准、靶点有效、治疗对路、疗效提升 "。

AI 驱动 " 肿瘤基因 " 快速分型、个体治疗

研究团队基于自主建立的 " 复旦腔面型乳腺癌四分型 " 分子分型系统，创新设计由人工智能 AI 分子模型驱动参与的临床研究。研究通过训练成熟的 AI 分子模型，直接对乳腺癌患者常规的 HE 染色病理切片所蕴含的 " 肿瘤基因 " 等临床生物信息进行深度快速解读。

"AI 分子模型作为‘超级大脑’，整合形态学、肿瘤微环境等海量微观信息，5 分钟内就可出具分子分型结果，将精准诊疗的门槛和成本降至极低。" 研究团队成员、复旦大学附属肿瘤医院乳腺外科范蕾教授说，基于 AI 分子模型快速且精准的分型，研究团队进一步为不同亚型推断出其潜在的精准治疗靶点，并匹配相应的靶向药物，以观察其疗效。

临床研究首次证实，在免疫调节型和 RTK 驱动型的腔面型乳腺癌患者中，精准治疗策略展现出压倒性优势。通过对免疫调节型的腔面型乳腺癌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%。与此同时，对 RTK 驱动型的腔面型乳腺癌患者使用阿帕替尼联合治疗，缓解率更从 20% 跃升至 70%，疗效提升 3.5 倍。同时，两个亚型的患者中位无进展生存期均实现翻倍以上延长。

江一舟介绍，本次研究实现了研究范式的革命，即从 " 假设验证 " 转变为 " 主动发现 "，" 基于贝叶斯假设的‘平台试验’设计，我们能根据实时入组数据，动态优化患者分配，快速识别有效方案并淘汰无效方案，极大提升了药物研发和临床验证的效率。"

创新研究平台助力 ADC 药物治疗精准化

基于 LINUX 多中心 II 期临床试验的成功，邵志敏领衔团队拟开展针对 SNF2 和 SNF4 亚型精准治疗方案的多中心、随机对照 III 期临床试验，在更大规模的患者群体中验证其有效性和优越性。

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 "。" 作为‘平台试验’，LINUX 研究的核心优势在于灵活性和可扩展性。" 邵志敏展望，未来计划在临床中将 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，逐步将目前化疗骨架替换为新一代 ADC（抗体偶联药物）骨架。

" 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’。" 邵志敏说。