自然: 精准医疗的幻觉 1.5%患者有用 复发癌30%应

现代化研

博文

自然: 精准医疗的幻觉  精选

仅仅2~6.4%的人群携带有靶向药物相关的突变  复发癌症的患者根据生物标记物被针对性的施用药物之后，只有约30%有相应反应  
估计精准医疗只对约1.5%的患者有用

已有 718 次阅读 2016-11-7 22:22

系统分类:观点评述

前一阵韩健老师关于精准医疗的文章引起了不少讨论。这里摘译了韩老师文中提到的一篇文章。作者VinayPrasad，来自俄勒冈州Knight Cancr Institute。需要注意的该文属于outlook，仅代表原作者观点。

精准医疗承诺可以将癌症患者和针对其肿瘤特有突变的药物联系起来，从而延缓癌症复发并且延长患者寿命。最基础的方式是对患者进行基因检测，然后寻找对他们最有效的药物。现在也有了越来越多的有关惊人疗效的报道，在一个例子里，everolimus对一名有转移膀胱癌的患者疗效非常显著，而之后对该名患者的测序显示他携带了影响mTOR通路的突变，这正是everolimus针对的靶点。

不过尽管有这样或者那样的例子，多数癌症患者还没有从精准医疗中获益。类似的尝试在控制试验中也没有显示出更好的效果。精准医疗在目前看来还是一个假设。从MD安德逊癌症研究中心测序项目招募的2600号人来看，仅仅6.4%的人群携带有靶向药物相关的突变。类似的在美国国家癌症中心的NCI-MATCH项目招募的携带复发固体肿瘤和淋巴瘤的795人中，有约2%的人群有针对性的靶向药物。

并不是那么特殊
有针对性的药物也不能保证一定有效。当有复发癌症的患者根据生物标记物被针对性的施用药物之后，只有约30%有相应反应。无进展生存期的中位数只有约5.7个月。再乘以服用靶标药物的患者人数，我估计精准医疗只对约1.5%的患者有用。这也是精准医疗的脆弱的基础。尽管过去十年间有很多病人被测序（Foundation Medicine就检测了约18000个病人）。报道的疗效非常显著的案例也并不是很多。在和同事进行文献检索之后，我们只发现了32例。

在这些例子中，一些关键的信息也欠缺了，比如对之前治疗的反应和治疗的总的患者个数。因为即使对于一些最严重的癌症，比如胰腺癌，生存期也是连续分布的，总有一些病人生存的比较久。事实上，我们发现一些病人在对精准医疗反应良好之前，传统化疗的治疗效果就不错。很难避免这样一种结论，即这些惊人疗效的案例不是选择不道德结果。客观的思考可以帮助我们更加清醒。对于精准医疗，我们可以期望对一小部分病人有短期的疗效，但不能避免靶向药物的毒性和高昂的价格。

精准医疗和临床试验
在医学科学中，治疗策略最终评价标准是随机临床试验。到目前为止，精准医疗只在一项试验中被测试。SHIVA试验招募了99个病人，根据其基因突变来筛选药物，同时招募了96个病人，由传统方法选择药物。结果无进展生存期相差不远，是2.3个月比2个月。

一项临床试验并不能说明问题。如果我们关注的不是药物靶点基因突变，而是相关信号通路突变，我们就可能招募更多病人进行测试。不过仍然需要进一步的临床试验来验证新的治疗策略。精准医疗的概念十分激动人心。哪个医生和患者不希望有针对性的治疗？不过有一个时间机器也很激动人心。谁不希望回到过去在癌症扩散之前将其切除？对于这两种情况，即使是在2016年的今天，我们也没看到太多可行性。

原文见：http://www.nature.com/nature/jou ... ies=accepted#auth-1

译者按：
由于这篇文章立场比较鲜明，所以加上一些多余的话。从文章内容来讲，作者主要关注的还是针对癌症治疗的靶向药物，即如何利用基因筛查更好地选择药物。从作者的分析来看，目前相关的医疗实践效果还并不理想。

这个问题要从两个方面看，首先，什么是精准医疗，是否仅指靶向药物。我认为其内涵应更加广泛。目前针对单基因病和遗传病已经有很多有潜力的治疗方案（参见我上一篇博客），这些都可以算是针对患者的特异性来进行的精准治疗。另外像癌症的免疫疗法，尤其是目前比较火爆的CART，也在模糊的意义上算是精准医疗（依赖于患者自身的T细胞）。

其次，找不到好的靶向药物是否说明精准医疗没前途。我觉得也要分析，目前药物利用的靶标还是比较少的。这些靶标蛋白和信号通路的表达水平和患者响应的关系，现在还是不太清楚。在这种情况下，利用一些直观的，简单的方法去设计实验来取得成功，似乎是不太可能的。我个人认为还需要利用系统建模的手段，把靶向药物-患者肿瘤组学数据-患者响应三者之间的关系都搞清楚，才能进行下一步工作。目前看来，好用的biomarker也并没有想象中多。

最后换句话说，如果现在情况非常理想，做个基因筛查就知道怎么治了，规范都出来了。咱们还在这个领域投资人力物力干什么呢？

转载本文请联系原作者获取授权，同时请注明本文来自邵斌科学网博客。
链接地址：http://blog.sciencenet.cn/blog-927304-1013375.html

http://www.nature.com/nature/jou ... ies=accepted#auth-1