首页 > 文章详情

周斐教授：真实世界证据优化个体化精准决策，铺就ALK+NSCLC患者长生存之路

09月09日

整理：肿瘤资讯

来源：肿瘤资讯

肺癌是全球癌症相关死亡的首要原因，其诊疗过程充满挑战。对于ALK阳性（ALK+）非小细胞肺癌（NSCLC），以布格替尼为代表的新一代ALK抑制剂虽已在临床试验中证实其出色疗效，但要真正实现患者“活得长、活得好”的目标，就必须回答一个核心问题：理想化的试验数据能否在复杂的真实临床环境中复现？真实世界研究（RWS）正是回答这一问题的关键。近期，在2025年世界肺癌大会（WCLC）上，Brilliant研究公布了其首次分析结果，为布格替尼在中国真实世界中的应用提供了重要参考。为此，【肿瘤资讯】特邀上海市东方医院周斐教授，为我们深入解读Brilliant研究结果，并分享他对于真实世界证据价值以及人工智能（AI）应用前景的深刻见解。

周斐

医学博士，副主任医师，副教授，博士生导师

上海市东方医院肿瘤科
IASLC全球多学科实践标准委员会委员
中国抗癌协会非小细胞肺癌专委会秘书长
中国临床肿瘤学会非小细胞肺癌专委会秘书
中国临床肿瘤学会小细胞肺癌专委会委员
以一作或通讯作者在Nat Rev Clin Oncol, Lancet Oncol, Signal Transduction Targeted Ther, J Thorac Onocl等期刊发表SCI论文20余篇
担任Ann Oncol, Cell Host & Microb, JNCC, BMC Medicine, eClinicalMedicine等期刊审稿人

Brilliant研究证实布格替尼于中国真实临床环境中良好的耐受性

周斐教授：Brilliant研究是一项非干预性的、兼顾了回顾性与前瞻性的真实世界研究，旨在评估从2022年至2029年期间，中国接受布格替尼一线治疗的ALK阳性晚期NSCLC患者的疗效以及安全性。我们知道布格替尼在临床的系列研究中已经证实了其在晚期ALK阳性NSCLC患者中的有效性，但其在真实的临床环境中的使用特征、安全性以及不同患者群体的表现，仍然需要更多的真实世界数据支持。通过长期的随访，我们希望能够明确真实世界中，患者在使用布格替尼治疗过程中的持续时间、安全性事件（包括治疗相关的不良反应、是否需要剂量调整）等关键信息，希望研究能够为临床的决策提供一些更可靠的参考依据，让布格替尼在真实世界当中的应用更好地服务于患者。

在2025年WCLC上，我们报告了Brilliant研究的首次分析结果。截至2024年6月30日，总共纳入了82例患者。纳入患者中位年龄55.5岁，其中诊断为III期的患者为7.3%，绝大多数都是IV期患者（92.7%），这和真实世界的人群的年龄特征、分期比例都非常接近。同时我们发现绝大部分患者（92.7%）存在≥2处的转移灶。在安全性方面，≥3级治疗相关不良事件（TRAEs）的发生率仅为7.3%，因TRAEs导致剂量调整和治疗中断的比例分别仅为4.9%和3.7%。

Brilliant研究证实了在真实的临床实践中，布格替尼的耐受性整体良好，大多数患者可以接受长期稳定的维持治疗，这对于保障ALK阳性晚期肺癌患者长期的疗效和生活质量具有非常重要的意义。目前这项研究还在进行中，希望未来能够为该群体使用ALK抑制剂布格替尼提供更多的安全性和疗效数据。

真实世界证据弥补RCT局限，助力个体化精准诊疗

周斐教授：我们知道随机对照研究也就是RCT研究，是评估药物起效、医疗干预措施疗效的金标准，它可以直接回答药物是否能在理想条件下起效，也就是“CAN it work?”的问题。而真实世界证据（RWE），可以弥补RCT的局限性，关注得更多的是药物是否在实际临床中起效，也就是“DOES it work?”，可以帮助我们检验RCT的结论是否在真实世界中具有普适性。

真实世界数据能够反映众多临床变量对我们临床药物治疗的影响，比如基因检测的可及性、既往治疗、患者基础疾病、合并用药、耐受性、用药的依从性，乃至医疗的保障和个人偏好等，这些都是潜在可影响药物疗效的因素。因此，在真实世界开展这样的研究，有助于更全面地呈现疾病的自然史、治疗的模式、疾病经济负担和长期药物安全性等重要信息。

对于ALK阳性晚期NSCLC患者，要想实现“活得长、同时活得好”的治疗目标，就需要去结合真实的情况进行个体化的决策。比如患者是否具有心血管病史或者血脂的异常、精神疾病史、年龄与社会支持情况、是否初诊的时候伴有脑转移或者存在一些特殊的共突变、是否存在孤立病灶或适合局部治疗的一些转移灶等因素，这些都会显著影响我们临床治疗决策的选择与调整。而真实世界数据可以为我们提供这些细节的信息，帮助我们更精准地优化诊疗路径。

AI应用前景广阔，赋能肺癌诊疗全流程创新

周斐教授：肺癌仍然是全球癌症相关死亡的首要原因，尤其是晚期肺癌的诊断和复杂的治疗，为临床带来很大的挑战。特别对于ALK阳性的晚期NSCLC，我们同时需要兼顾精准的检测，给予精准的治疗。在真实世界中，AI在整合与分析真实世界数据方面具有很好的应用前景，比如：

辅助诊断与精准分型：AI可以通过分析影像学数据，包括CT、PET/CT扫描的数据，识别肺癌的早期特征，提高诊断效率和准确性。同时深度学习模型还能帮助精准进行肺癌亚型分析，包括基因分型，为个性化治疗方案提供证据，特别是一些无法获取组织的患者。

实时监测和预后预测：通过AI将RWD（包括患者的电子病历、基因组数据等）进行整合分析，可以实时监测患者的疾病进展状态，预测患者的生存率以及治疗有效性，帮助医生和患者制定最佳的治疗策略。

治疗方案优化：AI可以帮助我们从海量真实世界数据中挖掘出可循规律，发现潜在生物标志物，助力药物研发和治疗方案优化。

临床试验的加速：AI可以通过RWD的高效筛选，更快更多地发现适合临床试验的患者，优化临床试验设计，提高试验效率和成功率。

健康管理和肺癌防控：在疾病的早期筛查或健康风险评估中，AI分析个人健康数据预测肺癌发生的风险，推动肿瘤防控策略。

当然未来我们还面临诸多挑战：

数据质量和标准化问题：RWD可能存在缺失、不完整或不一致的标签
隐私与法规约束：如何确保患者数据的隐私性和合法使用
模型可解释性：AI输出的结论在临床场景中的信赖度需提高

未来，随着数据标准化和技术迭代，AI有望进一步推动肺癌从防控、诊断到治疗的全流程创新。

责任编辑：肿瘤资讯-TY
排版编辑：肿瘤资讯-LWT