8月19日，上海市胸科医院呼吸内科主任韩宝惠教授领衔的团队在国际著名期刊《Advanced Science》上发表了一项非常硬核的非小细胞肺癌精准治疗方向上的临床研究——“循环DNA测序指导安罗替尼治疗非小细胞肺癌（Circulating DNA-based sequencing guided anlotinib therapy in non-small cell lung cancer）”。
之所以说这是一项很硬核的临床研究，是因为它用技术含量很高的手法创造了一种能够帮助医生进行临床决策的模型——说简单一些就是通过抽外周血检验DNA来决定非小细胞肺癌患者在三线治疗当中是否适合使用文中提到的抗肿瘤新生血管治疗药物（安罗替尼）。
而根据《Advanced Science》主编Kirsten Severing对期刊文章选择的标准“新颖、视野广泛和影响力高”，这项研究获得刊发，本身也是其“硬核”程度的证明。
决策难题，可用外周血检查来破？
2006年第一个抗血管生成药物贝伐珠单抗获批用于治疗非小细胞肺癌后，全世界科学家都在积极寻找可以提高抗血管生成药物临床疗效的生物标志物。遗憾的是，到目前为止还没有一个生物标志物被临床证实可显著区分非小细胞肺癌获益人群。本次研究的对象药物安罗替尼同样在筛选获益人群方面缺乏合适的生物标志物。
为了解决这一难题，韩宝惠教授和李凯教授牵头，联合国内数十家单位的专家，开展了晚期非小细胞肺癌多中心随机双盲对照临床研究。本次试验在团队前期研究的基础上，专注于攻克安罗替尼获益人群的筛选，通过对患者外周血的检测，研究组发现在纳入的111例基线患者和42例疾病进展的患者中都发现了大量的种系突变（Germline Mutation）和体细胞突变（Somatic Mutation）。
看到这里，可能有人会觉得，“查个外周血，跑个DNA嘛，很简单，哪里硬核了”。别急，接下来，才是见证奇迹的时刻。
OS：505天 VS 282天
在最终筛选出合适的85例患者之后，研究组采用了三种不同的分子技术测定模式，来区分患者对药物的反应和获益程度。这三种模式分别是：种系+体细胞突变负担（Germline and Somatic Mutation Burden，G+S MB），非同义和同义突变负担（Nonsynonymous and Synonymous Mutation Burden，N+SMB）以及不利的变异分数（Unfavorable Mutation Score，UMS）。
由这三种测定模式区别出的患者，在治疗结果上呈现出了显著的差异，我们一一来看。
首先是G+S MB测定的结果。研究组发现，G+S MB较低（G+S≤4000）的患者，对目标药物更加敏感，治疗效果更好，预后更佳 。
G+S MB较低的患者，其中位无进展生存期（PFS）为210天，而较高的患者仅为127天。在中位总生存期（OS）方面，同样是G+S MB较低的患者更长，能达到505天，而较高的患者其OS仅有282天。毫无疑问这已经呈现出了显著的统计学差异。
N+S MB的测定结果，也呈现出同样的趋势。N+S MB较低（N+S≤800）的患者，也同样对目标药物敏感度更高，预后更好。
N+S MB较低的患者的中位PFS为210天，而较高的患者仅为130天。中位OS方面，N+S MB较低的患者为505天，较高的患者为282天。与G+S MB的结果趋势一致。
在UMS数据方面，结果与前两者类似，UMS评分较低的患者，获益高于评分更高的患者。
中位PFS比值为210天对131天，中位OS比值为505天对187天，与前两种方案的结果趋势一致。
毫无疑问，这三种测定方案的区分度都非常明显，筛出的获益患者不论是PFS还是OS都比对照方高得多。
但是，肯定有读者忍不住会想：“三种方案，也太复杂了吧？”这一点，也是研究组考虑到了的，同时也是这项研究硬核的地方——通过数学方法，他们将这三种测定方案归结成为一种指数——肿瘤变异指数（TMI，Tumor Mutation Index）。
TMI果然如研究者们预估的那样，可以用于评定患者对安罗替尼的治疗反应和治疗预后——
与前面三种预测方案一样，低TMI（TMI≤60）患者的中位PFS和中位OS都比指数水平更高的患者要好得多。低TMI比高TMI，中位PFS为210天对127天，中位OS为423天对189.5天。
此外，研究者发现在高TMI人群当中依然有个别个体对安罗替尼的治疗反应良好，研究者认为这与是否具备IDH1（exon4）变异有关，不具有IDH1（exon4）变异的患者，对安罗替尼的治疗反应良好。为了确定这一点，以及排除其他的干扰，他们再次进行了分子和数学方法的验证——
研究组校验的影响因素包括性别、吸烟影响、驱动基因阳性与否、病理学分型、转移灶数量、PFS和OS等。图中红色箭头所示为IDH1（exon4）变异阳性的患者。
经过校验，研究组发现，IDH1（exon4）变异是否阳性的确是在TMI预测中独立影响患者对药物反应的因素。
因此，最终的结论方法就是采用TMI+IDH1（exon4）变异，结合判断患者在三线治疗中是否使用安罗替尼。
呼唤第三方大样本研究
这样临床思路清晰，又具备分子学技术和数学方法论的硬核研究，看起来既高大上又非常不容易。为了进一步了解研究背后的故事，我们对话了本文的通讯作者——上海市胸科医院呼吸内科主任韩宝惠教授，来与《医学界》的读者分享他的研究心得。
▍《医学界》：在非小细胞肺癌的治疗方面，本次研究中使用的抗血管生成药物在精准医疗的实践中目前还有哪些困难有待突破？本次研究主要攻克的是哪方面的困难？推动它走上临床还需要哪些条件？
韩宝惠教授：在肿瘤内科治疗领域，我们经历了化疗时代、靶向治疗时代和免疫治疗时代，抗肿瘤新生血管治疗则是在化疗时代发展出的新分支。基础研究显示，没有肿瘤血管，就没有肿瘤的转移和扩散，因为新生血管对于肿瘤生长是一个至关重要的因素。因此也就发展出了针对肿瘤新生血管的制剂，包括贝伐珠单抗、小分子内皮抑素、小分子酪氨酸激酶抑制剂等单靶点、多靶点的药物。
最近研发的安罗替尼是一个小分子多靶点双通路的酪氨酸激酶抑制剂，主要针对VEGF，其次针对FGFR、PDGF、C-kit、HER2以及EGFR这多个靶点；在双通路方面，一方面针对肿瘤新生血管通路，另一方面针对肿瘤细胞信号传导通路。
它填补了三线治疗的空白，在三年前刚开始进行研究的时候，不论国内还是国际，三线治疗都是空白——在一线、二线治疗失败之后，无论是靶向治疗还是化疗，都面临着无药可选的情况。因此，当时我们设计了三线治疗中使用安罗替尼对比安慰剂，进行随机对照的多中心临床研究，并将研究结果发表在《JAMA Oncology》上——survival rates、PFS和OS都是阳性结果。2018年5月，国家药监局根据我们这项临床研究批准安罗替尼为三线治疗的标准治疗。
安罗替尼在三线治疗取得了5.37个月的疾病控制时间优势，疗效上已经非常不错。但美中不足，在抗血管生成药物领域，我们还无法像靶向治疗一样精准筛选获益人群。比如，靶向治疗中，可以通过基因检测发现基因突变或基因融合的患者，由此筛出获益人群；但从贝伐单抗到今天的安罗替尼，还无法找到一个可用的生物标记物来决定哪些患者能从抗血管治疗当中获益。
如今这项发表在《Advanced Science》上的研究正是试图在这方面进行探索，初步结果较令人满意。用我们新的TMI来预测疗效，获益人群的OS可以达到14.1个月，而过去仅9.6个月，提高了近5个月的OS，是一个不错的预后指标。
这是多中心研究当中的一个伴随研究，还需要独立的大样本第三方，来对我们的预测指标、预测理念和预测的方法进行独立验证，如此才能走得更远，以便将来在筛选抗肿瘤新生血管靶向治疗用作参考指标。
▍《医学界》：从采集DNA样本的方式来说，采外周血对医生和患者都是非常方便的，研究中整个包含生物技术和TMI评估的流程，在三级医院进行推广有哪些优势和劣势呢？同样原理的DNA测序预测用于其他抗肿瘤药物的精准医疗的可行性如何？
韩宝惠教授：目前在研究中检测ctDNA的量和深度都是一般基层医院无法达到的，需要在大的医学中心和检测机构才能完成。TMI比较类似免疫治疗当中的肿瘤突变负荷（TMB）这一指标——免疫治疗改变肿瘤生存环境，有广谱的作用，同样，抗肿瘤新生血管治疗，也可以作用于多个瘤种，同样也可以有广谱的应用——两者具有共性，这种共性就是不能使用单一的分子标志物来预测获益人群，因为药物本身的作用点非常广泛，因此，需要寻找一组指标来进行预测。
而这一组指标是否会随着人群的变更或人种的不同等因素发生变化，需要用大样本的随机对照研究来回答。在目前这个探索阶段，我希望出现更多设计精良的不同中心的随机对照研究能进行参与和验证，这样在将来才能对抗肿瘤新生血管药物提出合理的预测方案和检测时机。
▍《医学界》： 如何培养临床医生具备精准医疗的思维和技术？临床医生对疾病进行分子层面研究的人较少，像您这样对疾病进行分子高度的理解和研究的医生，是怎样掌握这些先进的技术思想的？就这次发表的研究来说，它不仅仅是在分子层面对疾病的理解和突破，整个模型还充满了数学思维，在G+S MB、N+S MB和UMS三者的结果上叠加进行建模，计算出TMI指数模型用于预测，又从TMI指数模型中检验出IDH1（exon 4）突变的影响，这样的数学方法论的运用又是如何培养和获得呢？或者这是依靠我们的多学科合作能够实现的吗？
韩宝惠教授：我们和上海交通大学生物信息工程处合作，因为他们有非常强大的生物信息分析能力。在进行深度的二代测序（NGS）之后，还需要去伪存真，分析生物信息内在的联系。这不是看一个天书般的报告就能解决的，需要综合生物信息分析能力，联系药物对上下游信号通路的一致性，综合的提炼出有价值的ctDNA指标，然后形成一个数学模型，来进行预测。这是一个比较复杂的过程，当然，越复杂，可能越需要验证，越需要不断的研究，来验证这项数学模型的合理性、可行性和可应用性。
在生物信息分析方面，相比交大这样的综合大学，单点医院可能能力有限，缺乏这方面的人员培训和相关的知识。这个领域发展非常快，交大生物信息工程处的人员当中，海外归来的研究者占了大多数，都学习过最先进的生物信息分析方法，做过大量生物信息分析工作，积累了大量经验。类似中国医学科学院肿瘤医院或者大的医学中心有这样的人员配置，但是单一医院缺乏这方面的技术人员，今后通过逐渐重视这种技术，人才的储备和培养会逐渐增加。
在研究中，我们临床医生和生物信息工程处经常开研讨会，经常进行数据分析，提出指导性的意见。我们不懂生物信息，生物信息分析的老师可能不懂临床，所以这两者要有机结合起来。我们会对一些极端的案例和数值提出我们临床方面的考量。而生物信息分析人员会从生物信息的角度对临床的现象提出建议，两者是一个团队，要不断进行磨合，进行有效的沟通，最终达成一致。
按疾病找