NEJM：来自精准医学时代的不确定性

精准医学现广泛推广并应用指导临床，然而，其仍存在不少不确定性，哈佛大学的David J. Hunter教授就这一问题做了一评论发表在最新一期新英格兰杂志上。

精准医学在国家研究委员会的定义为“个体化的靶向治疗”；而在该文中，作者将会着重于“精准一词，同时精准又意味着疗效的确定性”，那么在当前诊断及预后确定性的时代里，精准医学疗效是否真的如此确定？事实上，很大可能是不确定的。比起以往技术，靶向治疗的新技术需要对不确定性有更大耐受性及更高要求的计算及解释的能力。

当前，新手段检测肿瘤基因谱，包括驱动基因突变及导致这些突变及生物事件的功能改变。与传统临床预测因子如肿瘤大小、分级、淋巴结状态等不同，检测肿瘤如乳腺癌基因表达的改变如Oncotype DX, MammaPrint, PAM50，看做是独立的预后因素。那么对于患者来说，怎么结合新检测技术，从而制定最佳治疗选择？

在乳腺癌基因表达产物中，作为预后因素的最重要依据是通过已有研究来证实，而在这些研究中肿瘤组织保存起来并用于检测基因产物及其预测功能。在危险因素分层分析中，这些基因功能更多地预测了肿瘤复发，而无直接证据与治疗疗效相关。然而，ER、HER2及淋巴结阴性的乳腺癌患者通常认为是存在低的复发风险，故并不建议辅助化疗。

其后的一些随机的回顾性研究也同样证实这部分低复发风险的女性患者接受辅助化疗的获益是很小甚至没有的。且在前瞻性临床研究中，开发这些基因检测的科学家们目前正在深入地去研究其在对辅助化疗的风险分层中的作用，其中由Cardoso主导的一项研究也在本期杂志报道（P717-729）。

在这项研究中女性患者由临床及基因危险因子进行分层，在临床高复发风险而基因低复发风险的人群中，不接受辅助化疗患者的5年无转移生存率是94.7%（95%CI：92.5-96.2）。然而，该组人群接受辅助化疗的5年无转移生存率提高了1.5%（降低了22%远处转移发生率，但这无统计差异）。

更深入的分析表明，无疾病进展期发生率在用药组人群应用化疗3%升高。而在既往研究中，低临床复发风险人群与高基因复发风险人群的应用化疗的获益的相似的。该研究自2007年启动的9年间，用纳入6693例患者，其中2187例随机分配到接受或无辅助化疗组，在高临床风险但低基因风险组的患者由复发风险及治疗毒性反应作为权衡。

Hudis及Dickler指出，不同年龄的患者通过该方案权衡或许会有偏倚。而在既往研究中，低临床风险但高基因风险的患者可能很少接受化疗，尽管这可能会存在实质性的获益或损害。

那这样的证据可告诉我们精准医学相关的什么呢？首先值得庆祝的是这样的研究已经开展了。精准医学时代并非是我们对分子机制那么确定，而无需通过大量临床研究去制定治疗决策。然而，在很多临床实践中，我们经常面临这很多远非“确定”的答案。

为使得结果在统计学及临床中更易分析，连续变量（70个基因表达分析）通常会二分类为“高”或“低”，换而言之，精准会因可解释性而有所影响。而在“根据每个患者的个体特性而制定的靶向治疗”的观点与为达到一个可重复的结论而使无数患者聚在一起分析的观点之间，两者存在重要的张力。最后，不同的基因表达产物可能会产生不同的风险分层，而这都可以通过技术改善及数据成熟而提高，故分层及治疗建议应随之改变。

精准医学指导下的治疗策略更换，临床方案的制定需要结合新的检测手段，这需居于新的技术，但这一般是通过已建立的明确分析过程及临床效能来实现。初始研究一般是由panel专家来解释结果，而后技术应用到临床指南中。大型的随机实验设计来评估及定义其临床效能，从而进一步研究并引入指南中。

新检测手段正与既往检测工具进行比较，如在临床预后因子及免疫组化的结果等多个方面，这增加检测结果的获取量，但并未能完全代替传统方法。这个过程通常会有临床科研进一步验证，而非激进地调整已证实的模型。

在未来，我们很有会面临着各种可能的组合而造成的混乱局面，评估疾病风险居于遗传种系的测序，且一旦诊断为某疾病，通过“-omic”及其他检测手段而评估的预后风险及制定治疗选择方案即可评估。评估这些可能性需要获得原始数据，风险定量以及交流的不确定性，而后者我们常常并无擅长且常在纠结。

在很多情况下，最佳建议是不明确的，并常常依赖于数据成熟后的分析评估。与此同时，为“-omic”分析而发展更佳检测手段，我们当前更佳迫切的需要发展方法，以让患者能吸收大量复杂的信息从而在日益增多的治疗选择与权衡中决定自身的治疗方案。这些方法同样可以帮助我们回答老生常谈的问题“医生，假若是你，你会怎么选择呢”。

本文转载自肿瘤咨询。

参考文献：

David J. Hunter, M.B., B.S., Sc.D. Uncertainty in the Era of Precision Medicine. N Engl J Med 2016; 375:711-713