ctDNA、多组学等前沿技术开启肿瘤精准治疗新纪元

生物标志物助力优化肿瘤精准诊疗实践

人工智能算法开启精准医疗新时代

在《Al驱动的精准医疗新时代：深度学习算法的实践探索》的主题分享中，西安交通大学叶凯教授围绕AI驱动的精准医学在肿瘤研究中的应用，结合今年ASCO最新成果与前沿技术，阐述了生物信息学与人工智能算法在基因组分析中的突破。

图3.叶凯教授主题分享

叶凯教授强调精准筛选MSI-H/dMMR人群的重要性，并介绍团队开发的MSIsensor系列方法，从单样本、多样本到RNA检测，实现对MSI-H/dMMR人群的高效检测，其中MSIsensor RNA技术可在单细胞转录组水平识别MSI，该方法已获美国食品药品监督管理局批准并广泛应用。

近年来，人工智能不断赋能精准医疗的转型。PromoterAI可解读基因组非编码区域变异，PromoterAI基于深度学习神经网络算法，能够准确解读人类基因组非编码区域中的致病性调控遗传变异；PrimateAl-3D是一个用于错义变异致病性预测的3-D卷积神经网络，对来自234种灵长类动物（包括人类）的430万个蛋白质改变变异进行了训练，可有效识别罕见变异与疾病风险；SpliceAI借鉴AlphaFold原理，通过学习pre-mRNA序列与剪接结果的规律，从而预测破坏剪接的非编码变体。这些系列AI模型显著提升了全基因组测序（WGS）的诊断效能，使疾病认知水平翻倍。

此外，叶凯教授团队聚焦基因组结构变异检测，2012年起采用序列图像化策略，将测序数据转化为图像进行AI分类，成功识别复杂生殖系结构变异；2024年开发的SVision-pro通过图像求差实现多样本序列差异分析，在家系与肿瘤研究中大幅降低假阳性率。团队还开发了泛物种基因组注释的AI方法，可与SpliceAI互补，共同提升序列变异对编码区影响的判别能力。

此外，上述提到的Illumina公司的AI算法目前已整合于DRAGEN平台，广泛应用于肿瘤学、遗传病及多组学研究。叶凯教授谈道，希望未来加强国际合作，推动AI技术与中国临床需求结合，开发适用于中国人群的精准诊断与治疗方案，加速AI驱动的精准医学在医疗领域的普及与应用。

NGS赋能肺癌肿瘤精准医学的诊疗优化

北京大学肿瘤医院王玉艳教授带来的《聚焦ASCO：NGS赋能肺癌肿瘤精准医学的诊疗优化与前沿进展》主题分享则聚焦ASCO 2025肺癌领域精准诊断与NGS技术前沿，从驱动基因研究进展与NGS临床应用两方面展开分享。

图4.王玉艳教授主题分享

在驱动基因靶向治疗领域，王玉艳教授深入阐述了新一代酪氨酸激酶抑制剂（TKI）、TROP2 、HER3 ADC等药物的最新临床进展，以及表皮生长因子受体（EGFR）辅助治疗中EGFR-TKI带来的临床改善。此外，KRAS G12C突变治疗也取得了相应突破，肺癌领域的一线及二线治疗研究均显示出较高的客观缓解率（ORR）；pan-KRAS抑制剂研发也在推进中。在ALK融合/NTRK融合阳性非小细胞肺癌（NSCLC）治疗中，国产药物恩沙替尼和伊鲁阿克分别在辅助和二线治疗中展现出良好的生存获益。

对于NGS技术在精准医疗中的应用，一项82例晚期实体瘤患者的匹配ctDNA和肿瘤组织样本测序，使用TruSight Oncology 500（CGP）和oncoReveal Core LBx（小型扩增子）panel，通过生物信息学分析识别肿瘤变异，对比不同panel和样本类型对临床决策的影响。研究结果显示，NGS panel和样本选择需结合患者肿瘤类型及临床情境，且杂交捕获全景变异分析（CGP）panel在检测融合和基因特征方面更具优势，在ctDNA比例较高的临床情境中，CtDNA检测能高效识别肿瘤异质性。此外，本次ASCO大会上一项报告指出，反馈式精准肿瘤学咨询通过MDT平台桥接分子信息与临床实践，解决了检测流程延迟、组织样本不足等问题，显著提升晚期NSCLC的CGP检测率。

在动态监测和复发管理方面，今年ASCO大会上公布的AEGEAN研究生物标志物分析基于术后MRD状态和基因组分析显示，MRD阳性患者无一达到pCR或MPR，而KEAP1与KMT2C变异与MRD阳性相关，提示为高危以及潜在耐药人群。随着NGS技术联合AI及多组学分析，正深入挖掘生物学机制，为靶向与免疫治疗提供理论支撑，推动前瞻性耐药监测与治疗方案设计。王玉艳教授总结道，ASCO 2025展现的驱动基因靶向治疗迭代与NGS技术突破，标志着肺癌精准诊疗向多层次、动态化方向迈进，临床需紧密结合分子特征优化治疗策略，加速研究成果向临床实践转化。

圆桌讨论：从ASCO2025，看尖端科技如何加速精准医学进程

在ASCO 2025前沿技术圆桌讨论中，张绪超教授、王燕教授、王玉艳教授、叶凯教授四位专家围绕ctDNA与AI在肿瘤精准诊疗中的应用展开深度探讨：

针对ctDNA技术在肿瘤精准研究以及临床实践中的应用，张绪超教授指出，NCI-MATCH研究证实ctDNA与组织检测一致性达85%，其技术从早期20%检出率提升至如今高一致性，得益于灵敏度迭代，不过围术期应用中部分pCR患者仍复发，未来需结合多组学优化预测模型。

对于ctDNA在临床中的规范化应用，王玉艳教授强调，ctDNA在晚期肿瘤中可弥补组织样本不足、解决异质性问题，动态监测对耐药探索和疗效预测意义重大。另外，未来仍需探索ctDNA对于疗效的预测以及其与其他生物标志物结合在临床中的应用。

在临床研究设计方面如何应用ctDNA以及MRD等指标进行治疗指导的问题上，王燕教授以肠癌Dynamic研究为例，指出围术期ctDNA指导治疗需精准分层人群。肺癌领域的AEGEAN等研究也已证实MRD阳性率与预后关联，未来仍需结合KEAP1/KMT2C等突变状态来优化风险分层。

针对前沿技术对于中国临床科研的助力以及临床转化的问题，张绪超教授介绍，首先需要明确哪些AI技术具有临床转化潜力，并寻求其适合的领域。目前来看，AI可辅助临床决策，预测药物敏感性，期待未来AI能够服务于临床更多场景，为肿瘤诊疗进展带来助力。

王玉艳教授从临床医生的角度进行了对生物标志物指导的新药开发未来路径的展望，她提出，临床需与科学家共建数据平台，缩短罕见靶点药物研发周期，对缺乏RCT数据的罕见突变，AI可通过跨物种分析弥补证据不足。

会议最后，叶凯教授总结道，AI需与人类智慧协同，展望未来，液体活检与AI的深度融合将推动精准医学向“全周期、多层次、智能化”发展，而临床医生、生物信息学家、药企的合作及标准化体系建设，将是加速技术转化、实现“中国人群精准诊疗方案本土化”的关键。