超越基因检测的精准医疗新纪元
随着靶向药和抗体药物偶联物（ADC）的不断涌现，癌症的“精准医疗”概念已深入人心。然而，当前的精准医疗在很大程度上依赖于基因组学检测。耶鲁大学医学院病理学教授David Rimm博士指出，为了真正提升个性化癌症治疗水平，精准医疗或许是时候超越基因领域，迈向蛋白质组学的新天地了。
Rimm博士强调：“我们不能再仅仅依赖基因检测来指导治疗和寻找伴随诊断的生物标志物。如今的技术进步，使我们能够在组织样本中实现像血液检测一样精确的生物标志物测量，这为癌症治疗决策提供了更可靠的依据。”
AI赋能病理诊断：更精准的黑色素瘤评估
在黑色素瘤的治疗中，评估肿瘤浸润淋巴细胞（TILs）的数量至关重要，因为更多的淋巴细胞往往预示着更好的治疗效果。传统上，这一评估由病理学家通过显微镜观察并主观判断，不同病理学家得出的结论可能存在差异，缺乏足够的精确性。
为了解决这一问题，Rimm博士及其团队开发了一种基于机器学习的AI算法。一项发表于JAMA Network Open的研究证实，该算法在量化黑色素瘤中的TILs方面，其精确度优于人类病理学家。Rimm博士解释说：“我们的目标是提升精准医疗的‘精确度’。机器擅长测量，能提供可重复的数值结果，而病理学家的角色则是在此基础上做出专业的诊断判断。下一步，我们计划通过前瞻性临床试验来验证该算法的准确性。”
尽管人们对AI在癌症诊疗中的应用充满期待，但Rimm博士也提醒，AI并非万能。目前，AI在辅助病理学家筛查正常组织、节省工作时间方面已获得FDA批准并投入使用。但在通过图像分析预测BRAF或P53等基因突变方面，其准确性仍有待提高，短期内难以完全替代基因测序。
ADC药物选择难题：蛋白质检测提供新思路
ADC药物已成为癌症治疗的热点，目前有数百项临床试验正在进行中。然而，新的问题随之而来：当同一适应症有多种ADC药物可选时，应该如何抉择？
以二线及以上的乳腺癌治疗为例，患者可能面临靶向TROP2的ADC和靶向HER2的ADC两种选择。Rimm博士指出，由于无法直接比较不同临床试验的结果，肿瘤科医生常常陷入决策困境。如何为患者选择最合适的ADC药物，已成为临床上一大挑战。如果您对此有疑问，可以咨询MedFind AI问诊获取更多信息。
为此，Rimm博士团队开发了一种名为Troplex™的新型标准化检测方法。该方法能够精确定量检测患者肿瘤组织中不同靶点蛋白（如TROP2和HER2）的表达水平。
“我们的逻辑很简单：哪种靶点蛋白的含量更高，就应该优先选择针对该靶点的ADC药物。”Rimm博士说，“患者通常对一线治疗的反应最好，因此，将最匹配的药物用在最前面至关重要。这是将精准医疗从基因组学领域推向蛋白质组学领域的关键一步。”
优化癌症治疗：病理学家与肿瘤科医生的协作新模式
如何为合适的患者选择合适的药物，是癌症治疗永恒的课题。Rimm博士认为，未来的精准医疗需要超越DNA，综合利用蛋白质组学、循环DNA、RNA表达谱等多种生物信息。
同时，他强调了病理学家与肿瘤科医生之间高效合作的重要性。病理学家不仅要提供检测结果，更应该向肿瘤科医生解释检测方法背后的科学原理及其稳健性。例如，EGFR基因突变检测的准确性高达99.9%，而PD-L1的免疫组化（IHC）检测准确性可能只有50%-60%。了解这些差异，能帮助肿瘤科医生在制定治疗方案时，更全面地权衡各种临床因素，为患者做出最优决策。更多关于癌症治疗的前沿资讯，欢迎访问MedFind抗癌资讯板块。
