《Cancers》：18β-Glycyrrhetinic Acid Exerts Subgroup-Specific Antitumor Activity and Enhances Radiosensitivity in Medulloblastoma
中文摘要翻译
乳腺癌是一种生物学上高度异质性的疾病，需要准确的诊断、风险分层、治疗选择及纵向评估。常规影像学检查和组织活检仍是临床管理的主要手段。然而，组织取样仅代表特定的解剖部位和时间点，可能无法反映疾病的分子异质性或演化过程。液体活检提供了一种微创的补充性方法，通过分析循环肿瘤细胞（CTCs）、循环肿瘤DNA（ctDNA）及细胞外囊泡来实现。其应用包括分子特征刻画、治疗反应评估、耐药检测及微小残留病（MRD）评价，这些应用正处于研究阶段或已进入临床使用。基因表达谱、突变改变及表观遗传标记可产生分子标志物，为肿瘤分类和风险分层提供进一步支持，并已在特定乳腺癌人群中显示出临床价值。下一代测序、数字PCR、蛋白质组学分析及人工智能的进展，扩展了对循环和组织来源生物标志物检测与解读的分析能力。然而，生物异质性、循环生物标志物丰度低、分析前及分析中的变异性、检测标准化问题，以及部分应用缺乏前瞻性证据，仍是临床转化的主要障碍。本综述讨论了乳腺癌液体活检和分子标志物的生物学基础、检测技术、临床应用及局限性，重点阐述了多组学整合和计算方法。本综述区分了有前景的分析性生物标志物与经临床验证的应用，并强调了在精准乳腺癌诊疗中更广泛实施所需的相关证据和方法学需求。
论文主体内容总结
1. 引言
乳腺癌是一种异质性恶性肿瘤，其组织病理学特征、受体状态、基因组改变及肿瘤演化模式共同影响诊断、预后和治疗反应。早期准确检测具有重要临床意义，因为更早发现疾病通常预后更好。当前诊断基于影像学、组织病理学检查、免疫组织化学及分子检测等互补方法。钼靶检查仍是乳腺癌筛查的金标准，但乳腺密度可影响其诊断性能。超声和磁共振成像（MRI）提供进一步的解剖信息，但通常需要结合临床、病理或分子结果进行解读。组织活检仍是确认恶性病变及定义雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体2（HER2）及Ki-67等增殖相关标志物所必需的。然而，组织样本仅提供特定时间点肿瘤局部区域的信息，尤其对于乳腺癌，原发肿瘤中可能存在遗传和表型各异的亚克隆，且与转移进展或治疗后出现的病灶不同。治疗压力也可能通过选择耐药群体进一步改变疾病的克隆组成。液体活检作为一种补充方法受到关注，通过分析循环肿瘤细胞（CTCs）、游离DNA（cfDNA）、循环肿瘤DNA（ctDNA）及携带核酸和蛋白质的细胞外囊泡，可在无需反复侵入性组织采集的情况下获得分子信息。但循环信号不应被视为所有肿瘤 compartments 的精确代表，尤其在早期疾病中，肿瘤来源物质可能有限。分子标志物与液体活检共同为描述乳腺肿瘤生物学状态提供了超越传统临床病理分类的框架。
2. 乳腺癌中的液体活检
2.1. 液体活检的原理与优势
液体活检基于检测脱落到可及体液（最常用外周血）中的肿瘤相关生物材料。肿瘤来源物质通过凋亡和坏死释放片段化核酸及细胞内组分、主动细胞分泌及细胞外囊泡介导的转运等生物学过程进入循环。循环中产生的材料主要来源于正常组织，而肿瘤来源部分取决于肿瘤负荷、血管通路、疾病分期、细胞表型及生物学活性。因此，液体活检的诊断原理不仅依赖于循环核酸或细胞的检测，还依赖于从大量非肿瘤材料背景中区分肿瘤相关信号。数字PCR和下一代测序（NGS）等分析平台提高了检测低频分子改变的能力，但其性能仍受样本质量、靶标丰度、检测设计和分析深度制约。液体活检的主要优势之一是可在相对较低的操作负担下进行系列采样，从而在治疗过程中纵向追踪循环生物标志物的变化，监测分子演化，如治疗耐药克隆的出现或扩增。然而，循环生物标志物是释放到被采样 compartment 的材料的度量，而非所有肿瘤部位的普查，因此未检测到信号并不一定意味着没有疾病。液体活检还为微小残留病（MRD）和分子复发的研究提供了重要范式，敏感分子检测可在影像学进展证据之前检测到持续或重新出现的肿瘤来源信号。但检测到循环信号仅表明残留疾病或复发可能性增加，不应自动解读为基于该结果改变治疗可改善临床结局。
2.2. 液体活检中的生物标志物类型
液体活检可定义几种不同的肿瘤来源实体，每种提供特定类型的生物学信息。用于癌症检测、预后和治疗决策的三大类生物标志物为循环肿瘤细胞（CTCs）、循环肿瘤DNA（ctDNA）和外泌体RNA。
2.2.1. 循环肿瘤细胞
循环肿瘤细胞（CTCs）是从原发或转移病灶脱落到血流中的完整肿瘤细胞。与游离核酸相比，CTCs保留了细胞形态，可提供肿瘤细胞表型、活力和异质性的信息。然而，其丰度通常极低，取决于肿瘤负荷、疾病分期、转移部位和肿瘤细胞脱落情况，需要专门的富集和检测方法。CTCs可通过免疫亲和、基于大小、基于密度或微流控方法分离，并通过上皮、间充质或肿瘤相关标志物鉴定。不同平台可捕获不同的CTC群体并产生不可互换的结果，因为上皮-间充质转化可下调上皮标志物的表达。除计数外，CTCs还可进行受体表达、基因组改变等分子特征刻画。在乳腺癌中，较高的CTC计数通常与较差预后相关，尤其在转移性背景下。但CTC测量仍受生物学脱落和分析平台偏倚的影响，CTC引导治疗改善患者结局的证据需要与预后价值区分。
2.2.2. 游离DNA
游离DNA（cfDNA）是由正常和恶性细胞释放到循环中的细胞外DNA片段。循环肿瘤DNA（ctDNA）是cfDNA中肿瘤来源的部分，可包含肿瘤特异性序列改变、拷贝数变化及其他分子特征。ctDNA主要在肿瘤细胞凋亡和坏死过程中释放，但主动细胞过程和细胞外囊泡相关通路也可能发挥作用。ctDNA在总cfDNA中的丰度高度可变，取决于肿瘤负荷、疾病分期、解剖部位、血管化程度及个体肿瘤克隆的生物学特性。ctDNA的诊断价值基于通过数字PCR和靶向或深度NGS等高灵敏度技术检测低频肿瘤相关改变。系列ctDNA分析可提供分子快照并显示治疗过程中肿瘤克隆的变化。获得性内分泌耐药是临床上相关的例子，如ESR1-Y537S和ESR1-D538G突变改变雌激素受体α（ERα）的配体结合域，使受体锁定在活性构象，即使在缺乏雌激素的情况下也能驱动ER依赖性转录和肿瘤细胞增殖。因此，在血浆ctDNA中检测到新出现的ESR1突变可识别获得性内分泌耐药的分子机制，并为考虑替代内分泌策略（包括雌激素受体降解剂）提供依据。
2.2.3. 外泌体
细胞外囊泡（EVs）如外泌体，是由细胞分泌的膜包裹颗粒，含有蛋白质、脂质、DNA、mRNA及包括微小RNA（miRNAs）在内的非编码RNA。肿瘤来源的EVs可进入循环并通过将其分子货物递送至受体细胞介导细胞间通讯，调节肿瘤细胞及周围微环境中的增殖、侵袭、免疫调节和治疗耐药等信号通路。重要的是，EV货物的脂质双层膜提供部分保护免受细胞外RNA酶降解，从而增加囊泡相关核酸在血液中的稳定性。外泌体miRNAs因其丰度和组成可代表肿瘤相关分子程序而特别受关注。在乳腺癌中，多项研究报告了与亚型相关的外泌体RNA模式，如miR-223和miR-375在管腔型乳腺癌中研究，而miR-21和miR-155常在更具增殖性或侵袭性表型相关的外泌体miRNAs中检测到。然而，这些关联应被视为候选分子标志物而非确定的亚型分类器，因为外泌体RNA谱可能因肿瘤负荷、细胞来源、疾病分期及EV分离和RNA测量方法的不同而有所差异。外泌体的主要诊断潜力在于从血液中获取相对稳定、具有生物学信息的分子材料，且可重复采样。但临床转化需要标准化的EV分离、表征、归一化和货物分析方法，以及前瞻性验证。
3. 乳腺癌中的分子标志物
3.1. 基因表达谱
基因表达谱（GEP）同时表征多个基因的转录活性，提供比免疫组织化学（IHC）评估少量蛋白标志物更广泛的肿瘤生物学代表性。开创性的表达谱研究鉴定了具有不同转录程序的乳腺癌内在亚型，包括Luminal A、Luminal B、HER2富集型和基底样肿瘤。这些内在亚型以激素受体信号、增殖、HER2相关信号等通路的差异为特征，并与临床行为和治疗敏感性的差异相关。重要的是，分子内在亚型和IHC定义的受体状态并非完全可互换，分子检测应在更广泛的临床和病理背景下解读。GEP的临床转化已产生多种针对不同临床问题的多基因检测。Oncotype DX通过测量21个基因的表达产生复发评分，为特定早期激素受体阳性、HER2阴性乳腺癌患者提供预后信息并帮助决定辅助化疗。MammaPrint评估70基因表达标志物以根据基因组复发风险对患者进行分类，而Prosigna采用PAM50基因表达框架确定内在亚型并生成复发风险评分。这些检测不应被视为可互换，因为它们基于不同的基因集、分析算法、患者人群和临床终点。
3.2. 突变标志物
突变标志物是由特定内源或外源致突变过程引起的DNA序列改变的不同模式。其分析可提供有关基因组损伤机制的信息，包括DNA修复缺陷，从而补充个体驱动突变的鉴定。全基因组和全外显子组测序促进了乳腺癌中反复出现的突变过程的表征。TP53、PIK3CA、GATA3、BRCA1/2和ESR1等常见癌症相关基因的改变在不同乳腺癌亚型中的频率和生物学意义各不相同。PIK3CA是激素受体阳性乳腺癌中经常突变的基因，突变可激活磷脂酰肌醇3-激酶（PI3K）-AKT-mTOR通路。鉴定激活型PIK3CA改变具有治疗相关性，因为PI3Kα抑制剂如alpelisib已在适当选择的PIK3CA突变、激素受体阳性、HER2阴性晚期乳腺癌患者中评估。乳腺癌中一组主要的突变表型与DNA损伤修复缺陷相关。BRCA1和BRCA2依赖的同源重组修复对准确的DNA双链断裂修复和基因组完整性维持至关重要。BRCA1/2功能丧失可导致同源重组缺陷（HRD），产生基因组不稳定并依赖替代DNA修复机制，这为聚ADP-核糖聚合酶（PARP）抑制的合成致死提供了生物学基础。PARP抑制剂如olaparib和talazoparib已在适当选择的携带胚系BRCA1/2致病变异的HER2阴性乳腺癌患者中显示出临床获益。乳腺癌中鉴定的其他突变过程包括APOBEC相关突变、错配修复缺陷相关突变和POLE相关超突变。
3.3. MicroRNA标志物
微小RNA（miRNAs）是主要通过序列依赖性相互作用靶向信使RNA（mRNAs）导致翻译抑制和/或mRNA降解来调节基因表达的小型非编码RNA。miRNA表达变化可影响乳腺癌增殖、凋亡、上皮-间充质转化（EMT）、转移和治疗耐药。例如，miR-21常过表达并可抑制PTEN相关信号等肿瘤抑制通路，导致PI3K-AKT活性增强和细胞存活。相反，miR-200家族通过抑制ZEB1和ZEB2等EMT相关转录因子来维持上皮表型。miRNA表达谱已被研究用于乳腺癌分类和治疗反应预测，但此类关联不应被解读为临床验证的诊断或预测生物标志物的证据。循环miRNAs因其通过与蛋白质、脂蛋白或细胞外囊泡结合在血液中相对稳定而成为有吸引力的液体活检生物标志物。然而，血液采集、溶血、RNA分离、归一化和测量平台的差异可能显著影响报告的miRNA水平，并导致研究间不一致的标志物谱。
4. 生物标志物检测的先进技术
4.1. 下一代测序
下一代测序（NGS）可实现DNA和RNA的大规模并行高通量测序，极大扩展了肿瘤相关基因组改变的表征能力。NGS可检测单核苷酸变异、插入和缺失、拷贝数改变、基因融合及其他分子特征。靶向NGS panel常用于乳腺癌筛查临床相关基因，包括BRCA1、BRCA2、TP53、PIK3CA和ESR1。特定改变的检测可在明确界定的临床场景中指导治疗选择。NGS在液体活检中的一个重要应用是循环肿瘤DNA（ctDNA）的超深度测序。错误校正测序、独特分子标识符和靶向富集方法可减少技术错误并提高稀有变异的检测。然而，NGS仍受检测成本、周转时间、分析前要求和专业生物信息学分析需求的限制。
4.2. 数字PCR
数字聚合酶链反应（dPCR）是PCR的高级形式，可对低丰度核酸靶标进行高灵敏度检测和绝对定量。与在批量反应中测量扩增过程中产生的荧光的定量PCR（qPCR）不同，dPCR将样本分配到数千至数百万个独立反应中，每个反应含有零个、一个或少数靶分子。这种分配便于检测稀有变异，并允许在无需外部标准曲线的情况下进行绝对靶标定量。在乳腺癌中，数字PCR已用于检测和定量循环肿瘤DNA（ctDNA）中的低频改变，包括激素受体阳性疾病中的PIK3CA和ESR1突变。dPCR的主要优势是对预定靶标的高灵敏度定量，结合相对快速的分析和比广泛测序方法更简单的数据解读。其主要局限性是通常需要预先知道靶标序列，因此发现意外或新改变的能力有限。
4.3. 蛋白质组学方法
蛋白质组学通过表征蛋白质、细胞外囊泡货物和翻译后修饰（PTMs）提供补充DNA和RNA生物标志物的信息。基于质谱（MS）的蛋白质组学是蛋白质组生物标志物发现的重要平台，可鉴定和相对或绝对定量生物样本中的多种蛋白质。在乳腺癌中，CA15-3、癌胚抗原（CEA）和HER2胞外域等循环蛋白主要被研究用于疾病监测，但其临床性能和特异性各不相同。细胞外囊泡的蛋白质组学分析也已鉴定出参与细胞信号、免疫调节和转移过程的肿瘤相关蛋白，包括TGF-β、HSP70和整合素。磷酸化蛋白质组学和单细胞蛋白质组学等新兴方法可进一步表征信号活性和细胞异质性。蛋白质组测量受样本制备、蛋白质降解、动态浓度范围和平台特异性分析程序的影响。
5. 液体活检和分子标志物的临床应用
5.1. 早期检测和筛查
早期检测是液体活检在乳腺癌中最活跃的研究应用之一。肿瘤来源的DNA、RNA、蛋白质和细胞外囊泡可通过凋亡、坏死和主动细胞分泌等过程进入循环，产生可能在临床可检测疾病之前或同时出现的可测量分子信号。ctDNA可携带TP53和PIK3CA等基因的改变，但早期疾病中肿瘤来源DNA的量可能非常低，限制分析灵敏度，阴性结果不足以排除癌症。DNA甲基化生物标志物也被研究，RASSF1A和BRCA1等基因的异常甲基化已在乳腺癌中报道。循环或外泌体miRNAs如miR-21和miR-155在乳腺癌患者中被报道改变，但应被视为候选生物标志物而非确定的筛查检测。尽管许多概念验证研究报告了有前景的诊断性能，但液体活检尚未成功取代既定的乳腺癌筛查模式。
5.2. 预后和治疗选择
分子特征刻画改善了肿瘤大小、淋巴结状态、组织学特征及激素受体和HER2状态等传统临床病理风险因素。基因表达检测可提供复发风险的预后信息，但其预测价值是检测和人群特异性的。Oncotype DX、MammaPrint和Prosigna使用不同的基因集和分析方法，回答相关但不同的临床问题。TAILORx等前瞻性研究的证据支持在选定激素受体阳性、HER2阴性早期乳腺癌患者中使用复发评分指导治疗决策。液体活检生物标志物是表征分子演化的补充方法，尤其在晚期疾病中。内分泌治疗期间ER阳性/HER2阴性乳腺癌可能出现获得性ESR1突变，与芳香化酶抑制剂耐药相关。EMERALD试验等前瞻性数据支持使用ESR1突变状态选择晚期或转移性疾病患者接受口服选择性雌激素受体降解剂（SERD）elacestrant治疗。PIK3CA改变是生物标志物驱动治疗选择的另一个例子，SOLAR-1试验数据支持在适当选择的晚期PIK3CA突变疾病患者中使用alpelisib联合fulvestrant。
5.3. 监测治疗反应和疾病进展
液体活检是常规影像学评估乳腺癌的辅助手段，因为分子变化可能先于影像学进展出现。因此，循环肿瘤DNA（ctDNA）的系列分析可提供治疗期间肿瘤来源分子信号变化的信息。治疗开始后ctDNA下降可能与反应相关，而稳定或增加的ctDNA可能提示残留分子疾病或耐药发展。ctDNA动力学应作为分子反应生物标志物，而非影像学反应或临床获益的直接替代指标。完成全身治疗后持续存在的ctDNA与乳腺癌后续复发风险增加相关，支持其预后价值。循环肿瘤细胞（CTCs）提供另一种纵向监测策略，尤其在转移性乳腺癌中。CTC计数已以预后方式确立，较高的CTC计数通常与较差的临床结局相关。一个重要的新兴应用是治愈性治疗后分子微小残留病（MRD）的检测。高灵敏度ctDNA检测可在常规影像学未显示疾病证据时检测到肿瘤来源DNA。手术后或全身治疗后ctDNA阳性与复发风险显著增加相关，因此具有强烈的预后意义。但预后性MRD检测应与仅基于ctDNA改变治疗可改善生存或其他患者结局的证据区分开来。
6. 人工智能和机器学习在乳腺癌诊断中的应用
6.1. AI辅助生物标志物发现
人工智能（AI）和机器学习（ML）方法可支持高维数据分析中的分子模式发现、降维和特征选择。无监督技术如层次聚类和主成分分析（PCA）可识别分子水平相似的患者群体，揭示补充传统临床病理分类的模式。监督学习技术随后可评估所选分子特征是否与诊断类别、复发风险、治疗反应或其他预定终点相关。卷积神经网络（CNN）等深度学习方法正越来越多地被研究用于多组学整合。基于网络的方法也已被用于研究长链非编码RNA（lncRNAs）、miRNAs和蛋白质编码基因之间的调控相互作用。AI也被用于液体活检中的生物标志物分析，计算机模型可分析ctDNA突变模式、片段组学特征、甲基化模式及循环生物标志物组合。然而，许多报告的模型仍处于生物标志物发现或回顾性验证阶段。
6.2. 数据解读的机器学习模型
6.2.1. 乳腺癌检测的监督学习
监督学习使用已定义结果标签的数据集，支持向量机（SVMs）、决策树模型、随机森林和神经网络等算法学习输入特征与诊断或临床结果之间的关系。深度学习卷积神经网络（CNNs）已被用于乳腺影像学包括钼靶、超声和MRI，以检测和分类乳腺病变。数字病理学中，深度学习模型已应用于全玻片图像以检测肿瘤、分级、评估增殖和预测分子特征。视觉变换器（ViTs）等更新架构已扩展了超越传统卷积方法的图像表征。
6.2.2. 肿瘤亚型和患者分层的无监督学习
无监督学习无需预定结果标签即可识别模式，适用于探索生物学异质性。聚类方法（如k-means、层次聚类）和降维方法（如主成分分析（PCA）、t-SNE、UMAP）可分析高维基因组、转录组、表观遗传或影像数据集。这些方法已导致乳腺癌研究中分子上不同的患者群体和免疫浸润、代谢活性、基质组成等生物学特征的鉴定。然而，算法识别的聚类并不自动代表临床上有意义的亚型，需要生物学表征、独立队列中的可重复性及其与临床相关结果关联的验证。
6.2.3. AI驱动的治疗反应预测模型
ML模型也在开发中，基于影像、分子和临床变量的组合预测治疗反应和临床结果。模型可包括基因表达标志物、增殖标记、基因组改变、ctDNA测量和临床特征以预测复发风险或治疗反应。强化学习（RL）与传统监督学习不同，算法通过与环境的序列交互学习并针对预定结果或奖励函数评估替代行动。在肿瘤学研究中，RL已被探索用于纵向临床数据的适应性治疗策略，但大多数应用仍处于研究阶段。可解释性和可解释性至关重要，可解释AI（XAI）方法可提供特征重要性、图像区域、模型决策或预测不确定性的信息，但这些方法不一定建立因果关系。
7. 市售诊断检测
7.1. 当前分子诊断检测综述
在乳腺癌已确立的多基因检测中，Oncotype DX、MammaPrint和Prosigna提供不同的分子风险评估方法。Oncotype DX测量21个基因的表达并生成复发评分，提供远处复发的预后信息，并在选定激素受体阳性（HR+）、HER2阴性早期乳腺癌人群中帮助指导辅助化疗决策。TAILORx前瞻性试验为在适当选择的淋巴结阴性患者中使用复发评分结果指导化疗决策提供了证据。MammaPrint评估70基因表达标志物并将肿瘤分类为基因组风险组。MINDACT试验评估了MammaPrint在基因组和临床病理风险分类一致和不一致患者中的临床效用，显示选定临床高风险但基因组低风险的患者可省略化疗且远处复发率低。Prosigna利用PAM50基因表达框架鉴定内在分子亚型并计算复发风险（ROR）评分，在绝经后HR阳性早期乳腺癌患者中显示出预后价值。
7.2. 新兴的基于液体活检的检测
基于液体活检的检测正越来越多地被研究和在某些应用中使用。Guardant360 CDx是基于血浆的下一代测序检测，设计用于检测循环游离DNA（cfDNA）中的基因组改变并鉴定可能具有治疗相关性的分子改变。在乳腺癌中，血浆基因分型可鉴定临床相关改变，如PIK3CA突变和ESR1突变。Signatera是一种肿瘤知情ctDNA检测，设计用于MRD检测和纵向复发风险评估。该检测涉及对患者肿瘤组织进行测序以鉴定多个患者特异性体细胞变异，然后创建个性化血浆检测以检测这些变异。治疗后ctDNA的检测与早期乳腺癌后续复发风险显著增加相关。然而，MRD阳性不应被视为立即升级治疗的指征，仅基于ctDNA检测改变辅助治疗是否能改善无复发生存或总生存需要通过前瞻性干预证据确认。Guardant360 CDx和Signatera是不可互换的液体活检检测，具有不同的临床证据、目标人群、生物标志物和终点。
8. 挑战和局限性
8.1. 生物标志物检测的技术挑战
可靠检测极低丰度的肿瘤来源材料是液体活检的主要技术挑战之一。数字PCR、靶向深度测序、错误校正NGS和独特分子标识符可提高分析灵敏度，但低频变异的检测仍受测序错误、背景生物学变异和不适当的变异调用阈值的影响。克隆性造血可向血浆DNA贡献非乳腺肿瘤来源的体细胞变异。CTC分析面临不同的技术挑战，CTCs是稀有的生物学异质细胞，可能在大小、表型、上皮标志物表达和活力方面不同。细胞外囊泡（EVs）和外泌体的分析增加了分析前和分析复杂性，分离方法包括超速离心、尺寸排阻色谱、沉淀和免疫亲和捕获，在回收率、纯度、可扩展性和污染敏感性方面有所不同。主要分析前变量也因液体活检分析物而异，包括采血管类型、血浆分离时间、温度和储存条件、血浆处理程序及白细胞污染。
8.2. 标准化和可重复性问题
实验室和分析平台间缺乏协调是可重复性的主要限制。变异可发生在血液采集、样本处理、核酸提取、文库制备、测序深度、PCR扩增、变异调用和报告等各个阶段。对于ctDNA检测，测序深度、错误校正程序、分子条形码、变异等位基因频率阈值和生物信息学管线的差异可影响检测变异的数量和频率。标准化对CTC和EV检测也很重要，CTC的计数和分子表征取决于所用捕获和检测技术，而EV研究可能在分离方法、囊泡表征、归一化策略和所分析EV群体的定义方面不同。多基因表达检测在基因集、归一化方法、算法和临床终点方面不同，因此Oncotype DX、MammaPrint和Prosigna不应预期在所有患者中一致地对风险进行分类。
8.3. 监管和临床采用挑战
将分子和液体活检检测转化为常规护理需要在多个层面提供证据，包括分析有效性、临床有效性和临床效用。监管批准或许可解决特定的性能和预期用途要求，但不应被假定自动证明检测在所有临床环境中改善患者结局。新液体活检检测可能具有良好的分析性能，但可能缺乏前瞻性干预证据证明基于其结果的治疗决策可改善生存、复发结局或生活质量。成本和报销影响临床采用，NGS-based检测和其他专业分子检测可能需要广泛的实验室基础设施、测序能力、生物信息学专业知识和质量控制程序。复杂分子结果的适当解读也是临床实施所必需的，临床医生需要获得验证的解读框架，并在需要时获得分子肿瘤委员会或专业基因组学专业知识。
9. 未来展望
9.1. 整合多组学方法
基因组学、转录组学、表观基因组学、蛋白质组学和代谢组学的整合可能比单一分子平台更全面地表征乳腺癌生物学。然而，多组学整合面临重要的方法学挑战，包括批次效应、测量尺度差异、归一化、缺失数据、高维性和特征选择不稳定性。液体活检测量也可通过将系列ctDNA、CTC或细胞外囊泡数据与组织分析、影像学和临床信息整合来改进纵向多组学分析。整合可以是预定义的多标志物算法、机器学习分类器或序贯检测策略，取决于临床目标、可用信息和临床验证程度。
9.2. 个性化医学和靶向治疗
分子诊断通过激素受体和HER2状态、胚系BRCA1/2致病变异以及适当界定临床环境中的PIK3CA和ESR1改变等生物标志物在个性化治疗中发挥越来越重要的作用。系列液体活检可通过检测治疗期间的分子变化支持适应性治疗策略，但检测到分子改变本身并不证明基于该检测改变治疗可改善患者结局。CRISPR-based基因修饰和RNA靶向治疗等新兴方法可能在未来的精准肿瘤学中发挥作用，但其在乳腺癌中的应用仍处于研究阶段。
9.3. 精准诊断中的人工智能
AI和ML可帮助整合和解读日益复杂的乳腺癌数据集，包括基因组、转录组、蛋白质组、影像和病理数据。这些方法可支持生物标志物发现、多组学数据整合、液体活检信号解读和临床决策支持。然而，AI模型在开发或回顾性数据集中的更好性能不应被视为临床效用的证明，外部验证、前瞻性评估、可解释性和适当的监管监督对于AI模型纳入常规诊断决策仍然至关重要。
