编辑推荐：
三阴乳腺癌（TNBC）新辅助化疗（NAC）现有方案存在局限，难以实现个性化治疗。研究人员开展基于 MRI 的数字孪生技术构建研究，通过校准模型预测病理完全缓解（pCR），优化治疗方案可提高 pCR 率，为 TNBC 个性化治疗提供新方法。
在癌症治疗领域，三阴乳腺癌（TNBC）一直是个棘手的难题。TNBC 侵袭性强、复发风险高，新辅助化疗（NAC）虽为标准治疗手段，但现状却不容乐观。目前，TNBC 的 NAC 方案并不理想，不到一半的患者在手术切除时能达到病理完全缓解（pCR）或仅有微小残留病灶。同时，新兴疗法虽有一定效果，却伴随着严重的副作用，且难以针对个体患者进行精准治疗。传统基于人群的研究方法也存在局限性，无法全面评估所有可能的药物剂量、给药方案和组合，也不能为个体患者优化治疗方案。正是在这样的背景下，为了突破这些困境，来自美国德克萨斯大学 MD 安德森癌症中心（The University of Texas MD Anderson Cancer Center）等机构的研究人员开展了一项极具意义的研究。该研究成果发表在《npj Digital Medicine》上，为 TNBC 的治疗带来了新的希望。
研究人员主要运用了以下关键技术方法：首先，他们收集了 105 例参与 ARTEMIS 试验（NCT02276443）的 TNBC 患者数据，这些患者均接受了阿霉素 / 环磷酰胺（A/C） - 紫杉醇（T）的标准 NAC 治疗。其次，利用患者的纵向多参数 MRI 数据，校准基于生物学的数学模型，构建患者特异性数字孪生模型。最后，通过该模型预测患者对不同治疗方案的反应，并采用三种优化策略对治疗方案进行优化。
下面来看具体的研究结果：
- 数字孪生模型预测 TNBC 对 NAC 的反应：研究纳入 105 例 TNBC 患者，基于患者 MRI 数据建立数字孪生模型。该模型在区分 pCR 与非 pCR 病例时，受试者工作特征曲线下面积（AUC）达到 0.82，预测 pCR 率为 60.95%，与实际 pCR 率（59.05%）无显著差异。这表明数字孪生模型能准确预测 TNBC 对 NAC 的反应。
- 基于数字孪生的治疗优化揭示个性化治疗机会：数字孪生模型不仅能预测患者对实际治疗方案的反应，还能对 128 种替代 NAC 方案进行预测。研究人员构建了三种优化策略：多步骤优化、同步优化和中途优化。多步骤优化发现部分患者调整 A/C 或 T 方案可改善结果，如 47 例患者 A/C 可升级，37 例可降级；82 例患者 T 可升级，10 例可降级。同步优化能更全面地考虑 NAC 各组分的联合效应，为患者提供更多达到最佳结果的方案。中途优化则在实际治疗的基础上进行调整，虽结果可能不是最优，但在临床实践中更具可行性。经三种优化策略优化后，pCR 率显著提高，多步骤和同步优化预测 pCR 率达 85.71%，中途优化为 81.90%。
- 通过历史临床试验数据验证数字孪生预测：研究人员回顾性分析了三项临床试验，用数字孪生系统模拟患者对不同治疗方案的反应。结果显示，数字孪生模型预测的 pCR 率与实际试验结果高度一致，如在 INT C9741 试验中，数字孪生模型预测剂量密集型 A/C - T 方案的 pCR 率显著高于传统方案；在 ECOG 1199 试验中，预测每周和每两周的紫杉醇方案 pCR 率高于每三周方案；在 SWOG S0221 试验中，预测四种方案的 pCR 率无显著差异，且双周 A/C + 紫杉醇方案 pCR 率最高。
研究结论和讨论部分意义重大。该研究表明，基于 MRI 的数字孪生技术可有效优化 TNBC 的 NAC 方案，提高 pCR 率。同时，三种优化策略在不同临床场景下均有应用价值，为医生制定个性化治疗方案提供了有力支持。然而，研究也存在一些局限性，如模型未考虑毒性，当前数学模型需扩展以适应新型疗法等。未来可通过纳入药代动力学 - 药效学建模、整合多模态数据等方式进一步改进。总体而言，这项研究为 TNBC 的个性化治疗提供了新的思路和方法，有望推动精准医学的发展，对改善 TNBC 患者的治疗效果和预后具有重要意义。
