CDKPredict: a clinicogenomic model for risk-adapted therapeutic intervention in breast cancer
本研究介绍了 CDKPredict，这是一种可解释的机器学习模型，它整合了临床病理学和基因组学特征，能够准确地将激素受体阳性转移性乳腺癌患者划分为接受一线 CDK4/6 抑制剂治疗的风险组，从而实现风险适应性治疗策略，并优于现有的临床标准。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几十年来，医生们一直使用一种标准的药物组合来治疗一种常见的转移性乳腺癌：一种用于阻断人体天然激素，另一种用于阻止细胞分裂。这种方法对许多人很有效，但结果差异巨大。有些患者的疾病可以消失数年，而另一些患者则可能在短短几个月内复发。医学界长期以来一直难以在治疗开始前预测哪些患者属于哪一类。目前，医生依赖于一个粗略的历史线索：从初始治疗到癌症复发之间经过了多少时间。如果癌症很快复发，医生就会假设该患者属于高风险组，可能需要更强效、更积极的治疗。但这条旧规则经常失灵，它要么将本可以接受标准护理的患者误判为高风险，要么漏掉那些实际上处于危险中的患者。
为了解决这个问题，纪念斯隆-凯特琳癌症中心（Memorial Sloan Kettering Cancer Center）及其他机构的研究人员开发了一种名为 CDKPredict 的新工具。该工具不再依赖单一的历史事实，而是像一次全面的健康检查一样，同时观察患者的病史和肿瘤的具体遗传构成。通过将这些信息输入到一个复杂的计算机模型中，该系统会计算出一个风险评分，告诉医生患者对标准治疗的反应可能性。其目标是摆脱猜测，转向一种让治疗强度与癌症实际生物学威胁相匹配的策略。
研究人员利用来自纪念斯隆-凯特琳癌症中心 1,264 名接受标准治疗患者的详细记录构建了这个模型。他们收集了广泛的数据，包括癌症转移的位置、患者年龄以及肿瘤细胞中发现的具体基因突变。他们训练计算机寻找这些数据中与患者无疾病进展生存期相关的模式。模型学习到，某些因素的组合是强大的预测因子。例如，肝脏存在癌症、肿瘤细胞上缺乏特定的激素受体，以及特定的遗传错误（如名为 TP53 的基因缺失），都是标准治疗可能失效的强烈信号。
模型训练完成后，团队在来自其他医院的另外 564 名患者组成的完全独立的对照组中进行了测试，以观察其在现实世界中的表现。结果令人瞩目。该模型成功地将患者分为三个不同的组别：低风险组、中风险组和高风险组。模型预测表现良好的低风险组，其中位无进展生存期接近 30 个月。相比之下，被预测会面临困境的高风险组，其中位生存期仅为 8 个月。这种差异非常显著且具有统计学意义，高风险组出现疾病进展的可能性几乎是低风险组的四倍。
至关重要的是，研究表明这一新工具比目前的标准护理（即依赖“治疗后间隔”规则）要准确得多。研究人员发现，旧规则漏掉了大量实际上处于高风险的患者。在新的测试组中，模型重新分类了近 18% 的患者——这些患者原本被旧规则判定为低风险，但实际上却是高风险。这些患者在癌症复发前等待了一年多，导致医生认为他们是安全的，但模型正确识别出他们的肿瘤携带了会导致标准治疗失效的隐藏遗传危险。相反，模型也识别出了一组被旧规则贴上高风险标签、但实际上疾病进展风险较低的患者，这表明他们可能不需要如此高强度的药物治疗。
除了预测结果外，该模型还揭示了这些差异产生的原因。被系统识别出的高风险肿瘤并非随机失败，它们携带了已知能抵抗标准药物的特定遗传特征。这些特征包括允许癌细胞绕过细胞周期刹车或改变其对激素反应的突变。有趣的是，模型还强调了这些高风险肿瘤通常还具有其他可以针对性的遗传变化，例如可以靶向不同的细胞周期酶，或针对具有特定 DNA 修复缺陷患者设计的药物。这表明该模型不仅能预测失败，还能指出在标准疗法失效时可以替代的个性化治疗方案。
为了让这项工具不仅限于拥有先进基因检测能力的顶级研究中心，也能在世界各地的医生手中发挥作用，团队还开发了一个更简单的版本，称为 CDKPredict-S。这个精简版模型仅需要一些基本的临床事实和一组常见的遗传标记。即使在信息减少的情况下，简化版仍保持了区分患者预后好坏的能力，证明了其核心洞察力的稳健性，足以应用于多样化的医疗环境。
研究结论指出，通过将临床病史与对肿瘤遗传学的深度观察相结合，医生终于可以迈向一个根据个体风险量身定制治疗的系统。这种方法可以使低风险患者免受不必要的毒副作用和经济负担，同时确保高风险患者从一开始就能接受强化的护理。研究人员已公开了该工具，以便在未来的临床试验中进行测试，以观察使用该工具指导治疗决策是否能真正提高转移性乳腺癌患者的生存率。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。