乳腺癌患者在接受新辅助治疗后是否缓解？这些特征可预测

　　

作为女性中最常见的肿瘤类型，乳腺癌在2020年导致68.5万例患者死亡。新辅助化疗（NACT）是手术前治疗乳腺癌的常用方法，目的是让肿瘤缩小，降低手术的难度和风险。不过，治疗后的应答因个体而异。

近日，广东省人民医院、香港科技大学等机构的研究人员鉴定出一些肿瘤特征，可预测乳腺癌患者在接受新辅助化疗后是否能达到病理完全缓解（pCR）。这项研究成果于7月4日发表在《Science Advances》杂志上。

“通过促进患者分层和个性化治疗，pCR预测对提升生存率、生活质量和成本效益至关重要，”作者在文中写道。

研究人员采用多组学分析策略（包括外显子组测序、全基因组亚硫酸氢盐测序、RNA测序以及LC-MS分析），对149例尚未接受治疗的乳腺癌患者的配对肿瘤和正常样本进行分析。

他们寻找了治疗前突变、拷贝数变异以及甲基化、表达、蛋白质组或磷酸化标志物，以便预测患者在接受新辅助化疗（或与HER2抗体治疗联用）后是完全缓解还是仍有残留病灶。

“尽管pCR的实现与更好的无事件生存率相关，但新辅助化疗可能延迟手术并增加疾病进展风险，”作者解释说。“早期的pCR预测可减轻这些风险并提高生存率。”

研究人员随后分析了接受新辅助化疗的患者的治疗效果，这些患者后续接受了乳腺癌手术。他们发现，81例接受新辅助化疗后达到pCR的患者，其总生存期和无病生存期均长于68例接受治疗后仍存在残留病灶的患者。

后续分析揭示了不同乳腺癌亚型中与新辅助治疗应答相关的分子特征。例如，在三阴性乳腺癌中，治疗后达到pCR通常与细胞增殖模式增强和CDKN2A甲基化水平下降相关，而治疗后的残留病灶与CDKN2A高甲基化相关。

相比之下，HER2阳性病例在新辅助治疗后的残留病灶往往伴随着KIT甲基化高于正常水平，而在ER+HER2+病例中，残留病灶与MAP4K1高甲基化相关。

在对其他乳腺癌队列进行验证后，研究人员利用LightGBM算法框架开发了基于机器学习的“多组学pCR预测模型”（MOPCR），该模型有望预测不同亚型乳腺癌患者的新辅助治疗应答。

在后续的验证测试中，研究人员估计，对于ER阴性/HER2阴性的乳腺癌，该模型在预测治疗应答上平均可达到82%的准确率。

“我们鉴定出每个亚型的与pCR相关的独特分子特征，”作者解释说，并指出这种MOPCR机器学习模型在预测治疗应答方面优于单组学方法。

研究人员指出：“与仍存在残留病灶的患者相比，实现病理完全缓解的患者通常具有更好的预后，这强调了在治疗前预测新辅助化疗应答的重要性。”