Cancer Cell：邵志敏/江一舟/杨文涛/李俊杰团队开发AI模型，精准预测ADC药物的乳腺癌治疗效果

乳腺癌是全球女性中最常见的癌症类型，也是导致女性癌症相关死亡的主要原因之一。人表皮生长因子受体 2 阳性（HER2+）乳腺癌，约占所有乳腺癌病例的 15%-20%，其特征是 HER2 蛋白过度表达，且与肿瘤侵袭性强和预后不良相关。

抗体药物偶联物（ADC）如同"生物导弹"，通过抗体精准识别肿瘤细胞，进而释放高效化疗药物杀伤肿瘤细胞。新一代 ADC 药物 SHR-A1811（一款抗 HER2 ADC 药物）虽显著提升了疗效，但仍有部分患者响应不佳或产生副作用。因此，我们迫切需要疗效相关生物标志物和预测工具来指导这些新型 ADC 药物的精准应用，避免 ADC 药物“误伤”健康组织，实现精准打击。

2025 年 4 月 10 日，复旦大学附属肿瘤医院邵志敏、江一舟、杨文涛、李俊杰等人在 Cancer Cell 期刊发表了题为：Spatial determinants of antibody-drug conjugate SHR-A1811 efficacy in neoadjuvant treatment for HER2-positive breast cancer 的研究论文。

该研究通过 AI 模型结合肿瘤微环境空间特征，精准预测了新一代 ADC 药物 SHR-A1811 在 HER2+ 乳腺癌新辅助治疗中的效果，为乳腺癌的个性化治疗提供了全新导航图。

近年来，靶向 HER2 的治疗手段取得了进展，例如单克隆抗体、酪氨酸激酶抑制剂（TKI）以及抗体药物偶联物（ADC），这些疗法显著改善了此类乳腺癌患者的治疗效果，使其成为一种更易控制的乳腺癌亚型。

最近，新一代 ADC 药物，通过优化连接子（linker）和选择有效载荷，进一步提高了其靶向特异性和治疗效果。ADC 药物的迅速发展和创新潜力凸显了其在 HER2+ 乳腺癌未来治疗中的关键作用。

为解决在 HER2+ 乳腺癌治疗中精准使用新型抗 HER2 ADC 药物的难题，研究团队基于他们之前的 2 期 FASCINATE-N 临床试验中的 HER2+ 乳腺癌队列开展了一项转化研究。FASCINATE-N 试验为优化新辅助治疗方案搭建了平台，并为源自临床试验的转化研究提供了长期、稳定的支撑。FASCINATE-N 试验的 HER2+ 乳腺癌队列包括被随机分组的患者，分别接受 8 个周期的 SHR-A1811 新辅助治疗方案和 6 个周期的标准 PCbHP 治疗方案。

临床试验已证实新型 ADC 药物的有效性，以 T-DXd（一款抗 HER2 ADC 药物）为例，其在 HER2+、HER2 低表达和 HER2 极低表达的肿瘤中均取得了显著疗效。然而，仍有相当数量的患者无法从该药物的治疗中获益，而且这些 ADC 药物存在“过度应用”的潜在风险，这引发了对其不当使用的担忧，可能会增加严重副作用的发生（例如使人衰弱的肺毒性）。因此，迫切需要与疗效相关的生物标志物和预测工具来指导这些新型 ADC 药物的精准应用。

SHR-A1811 是由恒瑞医药开发的第三代抗 HER2 ADC 药物，由可裂解的连接子、曲妥珠单抗和新型拓扑异构酶 I 抑制剂（SHR9265）三部分构成，其药物抗体比（DAR）为 5.7。

值得注意的是，在此前的研究中，SHR-A1811 对 HER2 表达的乳腺癌显示出良好的疗效，在晚期 HER2+ 乳腺癌中的客观缓解率为 76.3%，在 HER2 低表达乳腺癌中的客观缓解率为 60.4%，使其成为研究新型抗 HER2 ADC 药物的理想方案。

在这项最新研究中，研究团队旨在探究与新辅助 SHR-A1811 治疗敏感性相关的独特患者特征，以期指导这种新型抗 HER2 ADC 药物的精准临床应用。为实现这一目标，研究团队整合了临床和生物学证据，利用了 bulk 测序数据，以及团队已发表的算法处理计算病理学以及原位空间成像技术。

基于这些见解，研究团队开发了一种临床实用且易于解释的基于人工智能（AI）的预测模型，用于预测 SHR-A1811 的疗效，该模型也可外推至其他新型 HER2 靶向的 ADC 药物。通过利用这种结构化且全面的研究框架，研究团队旨在优化 SHR-A1811 的个性化治疗策略，为 HER2+ 乳腺癌患者提供精准的治疗指导。

研究团队对 60 例接受 SHR-A1811 新辅助治疗的患者进行多维度分析，结果发现：在激素受体（HR）阴性亚组中，更高比例和更多的免疫细胞（即肿瘤浸润淋巴细胞）浸润，特别是细胞毒性 T 细胞，与更好的治疗反应相关。在 HR 阳性亚组中，HER2 强阳性肿瘤细胞的紧密性和聚集性（而不是均匀分布）与较低的反应率和 HER2-LUM 亚型（更接近于 HR+/HER2乳腺癌）有关。

在上述发现的基础上，研究团队开发出了一种临床级预测 AI 模型，整合三大维度：

临床特征：肿瘤分期、激素受体状态；

数字病理：HER2 表达模式、免疫/基质细胞空间布局；

拓扑网络：细胞间连接距离、细胞群结构。

模型表现：在训练集准确率为 95 %，真实世界验证准确率为 86%，显著优于传统评估。特异性验证显示，对非 ADC 治疗方案（例如PCbHP）预测无效，彰显技术独特性。

因此，这款 AI 模型能够根据临床病理特征和病理图像（无需基因检测）即可预测 SHR-A1811 以及其他新型 ADC 药物的新辅助治疗反应。

该研究的核心发现：

基于空间的生物标志物可反映抗 HER2 ADC 药物新辅助治疗的反应；

在激素受体阴性（HR-）乳腺癌中，肿瘤浸润淋巴细胞（特别是细胞毒性 T 细胞）越多，与病理完全缓解（pCR）的相关性越强；

HER2 强阳性肿瘤细胞聚集与 HR+ 乳腺癌患者未达病理完全缓解相关；

AI 模型预测了新一代 ADC 药物 SHR-A1811 在 HER2+ 乳腺癌新辅助治疗中的获益情况。

这项研究有望改写 HER2+ 乳腺癌的治疗范式，通过解码肿瘤的空间生物学特征，让乳腺从“粗放式治疗”迈向“细胞级精准医疗”。未来结合术中快速检测技术，有望实现治疗方案的实时定制。