Cancer Cell：邵志敏/江一舟团队等利用AI辅助分型，提高乳腺癌治疗效果

激素受体阳性/人表皮生长因子受体-2 阴性（HR+/HER2-）是乳腺癌中最常见的亚型，约占所有乳腺癌病例的三分之二。对于晚期患者，内分泌治疗联合 CDK4/6 抑制剂（ CDK4/6i）已成为标准一线方案，能让患者的无进展生存期延长至 2-2.5 年。

然而，一旦患者对 CDK4/6i 产生耐药，后续治疗选择有限，疗效往往不尽如人意，中位无进展生存期通常不足 6 个月。因此，如何为这一乳腺癌患者群体找到更有效的后续治疗方案，是临床医生面临的巨大挑战。

2025 年 12 月 4 日，复旦大学附属肿瘤医院邵志敏、江一舟、王中华、范蕾等在 Cancer Cell 期刊发表了题为：Precision treatment with artificial intelligence assisted subtyping enhances therapeutic efficacy in HR+/HER2- breast cancer: The LINUXtrial 的研究论文。

该研究利用人工智能（AI）辅助的分子分型，将 HR+/HER2- 乳腺癌精准地划分为四个新亚型——SNF1、SNF2、SNF3、SNF4，通过 LINUX 平台试验证实，基于 AI 辅助的分子分型来指导精准治疗，能显著提升 HR+/HER2- 乳腺癌的治疗效果，尤其是对于 SNF2 和 SNF4 亚型。

破局：AI 赋能，发现肿瘤“真面目”

传统的乳腺癌分型主要基于基因表达，例如，PAM50 分型，基于 50 个基因表达特征，将乳腺癌分为 Luminal A、Luminal B、HER2 富集型（HER2-enriched）和基底样型（Basal-like）四种亚型。然而，这种分型难以全面反映肿瘤的异质性。

在这项新研究中，复旦大学附属肿瘤医院邵志敏教授、江一舟教授、王中华教授和范蕾教授领导的研究团队，另辟蹊径。他们前期通过整合基因组、蛋白组等多组学数据，利用相似性网络融合（SNF）算法，将 HR+/HER2- 乳腺癌精准地划分为四个新亚型——

SNF1（经典管腔型）：对内分泌治疗相对敏感，但晚期患者肿瘤负荷高，治疗棘手。

SNF2（免疫活化型）：肿瘤内部免疫细胞浸润较多，呈现“免疫热肿瘤”特征。

SNF3（增殖型）：细胞增殖活跃，DNA损伤修复功能存在缺陷。

SNF4（RTK驱动型）：受体酪氨酸激酶（RTK）信号通路活跃，预后较差。

更重要的是，为了将这一发现应用于临床，研究团队成功开发了一种 AI 模型，仅通过分析患者常规的 H&E 染色病理切片，就能准确预测这四种 SNF 亚型。这避免了昂贵复杂的多组学检测，使得精准分型在临床实践中大规模应用成为可能。

实践：LINUX 平台试验——精准治疗的“试金石”

为了验证基于 SNF 分型的精准治疗策略是否有效，研究团队设计了创新的 LINUX 平台试验。这是一个多中心、随机对照的 II 期研究，入组了 105 名对 CDK4/6i 治疗耐药的 HR+/HER2- 晚期乳腺癌患者。

核心流程如下：

AI 分型：对每位患者的肿瘤样本进行 AI 分析，确定其 SNF 亚型。

随机分组：每个亚型的患者被随机分为两组——精准治疗组：接受针对该亚型生物学特性设计的联合治疗方案；标准治疗组：接受由医生选择的常规治疗。

治疗方案：

SNF1：依维莫司（mTOR抑制剂）+ 内分泌治疗；

SNF2：卡瑞利珠单抗（PD-1抑制剂）+ 法米替尼（VEGFR抑制剂）+ 化疗；

SNF3：氟唑帕利（PARP抑制剂）+ 化疗；

SNF4：阿帕替尼（VEGFR2抑制剂）+ 化疗。

成果：疗效显著，两大亚型脱颖而出

试验结果显示，这种“量体裁衣”式的精准治疗策略取得了显著成功。

主要终点——客观缓解率（ORR）对比——

SNF1 亚型，精准治疗组 ORR vs 对照组 ORR 为 10% vs 0%；

SNF2 亚型，精准治疗组 ORR vs 对照组 ORR 为 65% vs 30%；

SNF3 亚型，精准治疗组 ORR vs 对照组 ORR 为 40% vs 30%；

SNF4 亚型，精准治疗组 ORR vs 对照组 ORR 为 70% vs 20%。

特别值得注意的是，对于 SNF2 和 SNF4 这两种亚型，统计分析显示，精准治疗方案有效的概率分别高达 86.7% 和 97.6%，远高于预设的成功标准。这意味着 AI 分型成功筛选出了能从特定联合治疗中大幅获益的优势患者人群。

在次要终点方面，精准治疗也显著延长了 SNF2 和 SNF4 患者的无进展生存期（PFS），中位 PFS 分别达到 8.1 个月和 7.0 个月，相比标准治疗组（4.3 个月和 3.4 个月），疾病进展风险降低了约 60%-66%。

在安全性方面，精准治疗组与标准化疗组的 3-4 级治疗相关不良事件发生率相同（均为37%），表明这些创新组合方案的安全性总体可控，并未因联合用药带来不可接受的风险增加。

展望与意义：开启乳腺癌精准治疗新篇章

LINUX 试验的成功具有多重里程碑意义：

可行性验证：它证明了利用低成本、可及的病理切片和 AI 技术，实现临床精准分型和治疗指导的完全可行性。

平台价值：作为一项平台试验，LINUX 可以持续纳入新的有潜力的治疗方案进行测试，高效地为不同亚型患者寻找最佳疗法。

临床指导：研究结果为 HR+/HER2- 晚期乳腺癌后线治疗提供了强有力的新证据。尤其是对于传统上认为“免疫冷肿瘤”的 HR+ 乳腺癌，该研究成功识别出 SNF2 这一“免疫热肿瘤”类型，并通过免疫联合抗血管和化疗的三药方案大幅提高疗效，打破了治疗僵局。

总的来说，LINUX 试验为我们描绘了一幅充满希望的未来图景——通过 AI 的“火眼金睛”，为每一位乳腺癌患者精准定位其肿瘤的独特属性，从而匹配最有效的个体化治疗方案，真正实现“一人一策”的精准医疗梦想。

论文链接：

https://www.cell.com/cancer-cell/abstract/S1535-6108(25)00496-9