首页 > 文章详情

2023SABCS中国之声｜邵志敏教授团队：HER2 阳性乳腺癌的精准治疗策略

2023年12月01日

编译：肿瘤资讯

来源：肿瘤资讯

2023年度圣安东尼奥乳腺癌研讨会（SABCS）将于12月5日-9日在美国得克萨斯州圣安东尼奥隆重召开。复旦大学附属肿瘤医院邵志敏教授研究团队利用深度学习算法，分析了HER2 阳性乳腺癌患者的不同分子亚型，以指导乳腺癌的精准治疗策略。其研究成果“多组学分析和分子分类完善 HER2 阳性乳腺癌的精准治疗策略” 荣耀入选今年SABCS大会摘要（abstract# PS09-09），【肿瘤资讯】特此整理，与读者分享。

摘要号：PS09-09

中文标题：多组学分析和分子分类完善 HER2 阳性乳腺癌的精准治疗策略

原标题：Multiomics profiling and molecular classification refine precision treatment strategies for HER2-positive breast cancer

讲者：邵志敏复旦大学附属肿瘤医院

邵志敏

教授

复旦大学肿瘤研究所所长、乳腺癌研究所所长
复旦大学附属肿瘤医院乳腺外科主任兼大外科主任
《中国癌症杂志》主编
首批教育部“长江学者计划”特聘教授
国家杰出青年基金获得者
中国抗癌协会靶向治疗专业委员会主委
中国抗癌协会乳腺癌专业委员会名誉主委
第八届亚洲乳腺癌协会主席
St. Gallen乳腺癌大会专家团成员

背景

抗HER2靶向治疗在抗肿瘤领域取得了重大突破，然而目前针对HER2阳性乳腺癌患者的治疗策略缺乏个性化，这限制了整体治疗反应率的进一步提高，并可能导致部分患者接受过度治疗并支付额外费用。因此，本研究旨在揭示不同HER2阳性乳腺癌患者的分子异质性，以指导更精准的治疗。

患者和方法

研究者选择了2013年至2014年在复旦大学附属肿瘤医院接受治疗的HER2阳性乳腺癌患者，并对其进行了基因组、转录组、蛋白质组学和代谢组学分析。研究者使用非负矩阵分解(Non-negative Matrix Factorization, NMF)算法对转录组数据进行无监督分类，并进一步研究了接受辅助治疗和新辅助治疗的病例中不同亚型与相应治疗策略之间的相关性。为了提高临床可操作性，研究者开发了基于数字病理学的深度学习算法，利用卷积神经网络模型识别不同的HER2阳性乳腺癌亚型。最后，利用患者来源的类器官（PDO）模型探索了新的治疗策略。

结果

研究者建立了一个由 180 例乳腺癌患者组成的新型多组学研究队列，并将他们分为四种具有临床意义的分子亚型：（1）经典的HER2富集亚型（HER2-CLA，N=51），其特征是有强 ERBB2 信号传导，并对抗 HER2 靶向治疗高度敏感（双靶向治疗的病理完全缓解率达93%）；(2) 免疫调节亚型（HER2-IM，N=36），其特征是有免疫激活的微环境，并对当前治疗显示出良好的预后（中位随访 86 个月时，97% 的患者无复发）。因此，该亚型的肿瘤患者是降级治疗的合适人选； (3) 管腔样亚型 (HER2-LUM，N=55) ，其特征是有激活的雌激素受体信号传导。(4) 基底/间质样亚型 (HER2-BM，N=38)，该亚型特点是富含激活的酪氨酸激酶受体通路。

研究发现，HER2-LUM 和 HER2-BM 亚型对抗 HER2 治疗的益处有限，因此可能需要增加更多治疗。基于数字病理学识别不同亚型的卷积神经网络模型，其总体曲线下面积（AUC）为0.77。在利用PDO模型探索新的治疗策略时，研究发现与其他亚型相比，HER2-LUM亚型对标准联合治疗（化疗+靶向治疗），后续再加内分泌治疗和CDK4/6抑制剂的治疗方案更加敏感。此外，HER2-BM 亚型对 EGFR 抑制剂、PDGFR 抑制剂或 VEGFR 抑制剂联合治疗表现出更高的敏感性。

结论

研究发现HER2阳性乳腺癌存在高度的分子异质性，并且这种异质性对治疗反应有影响。因此，临床医生可以根据不同亚型的特点来制定更精准的治疗方案，这样既能取得更好的疗效，又能减少过度治疗和额外费用的发生。此外，本研究对HER2阳性乳腺癌的综合分析结果也为进一步的研究提供了重要的依据。

参考文献

Yu-Wei Li, Ding Ma, Xiang-Rong Wu. et al. Multiomics profiling and molecular classification refine precision treatment strategies for HER2-positive breast cancer. 2023SABCS abstract PS09-09.

责任编辑：肿瘤资讯-Paine
排版编辑：肿瘤资讯-张薪媛