乳腺癌精准治疗研究进展2026.pptxVIP

乳腺癌精准治疗研究进展

CONTENT统治疗局限LINUX试验介绍疗效与安全性分析LINUX研究的深远影响

传统治疗局限

CDK4/6抑制剂耐药后的治疗困境传统分子分型的局限性AI辅助分型系统的应用前景HR+/HER2-乳腺癌患者在使用CDK4/6抑制剂治疗后，常面临药物耐药问题，导致后续治疗缺乏有效方案。传统分子分型如PAM50依赖于基因表达谱，成本高且周期长，难以全面反映肿瘤异质性。通过多组学分析和AI模型，可以降低临床转化门槛，实现精准分型，为乳腺癌患者提供更精准的治疗方案。HR+/HER2-患者困境

010203CDK4/6抑制剂耐药后的治疗困境复旦四分型在耐药后的应用LINUX试验验证分型指导的精准治疗CDK4/6抑制剂耐药后，患者面临缺乏有效治疗方案的临床难题，传统化疗疗效有限且持续时间短。通过多组学分析建立的复旦四分型体系，为HR+/HER2-乳腺癌的精准治疗提供了理论基础，有助于破解耐药难题。LINUX临床试验验证了基于“复旦四分型”的精准治疗策略在CDK4/6抑制剂耐药后的有效性，为晚期HR+/HER2-乳腺癌患者提供了高级别循证医学证据。CDK4/6抑制剂耐药

通过数字病理与深度学习技术，AI模型能够仅通过常规HE染色切片实现乳腺癌的精准分型。“复旦四分型”在临床试验中被用于指导HR+/HER2-晚期乳腺癌患者的精准治疗，显著提升了治疗效果。“复旦四分型”的开发大幅降低了传统分子分型的成本和周期，使得精准治疗策略更容易应用于临床实践。AI模型的精准分型“复旦四分型”的临床应用降低临床转化门槛“复旦四分型”突破

LINUX试验介绍

AI+平台试验设计贝叶斯适应性设计AI病理分型指导精准治疗平台试验构建完整闭环LINUX试验采用贝叶斯适应性设计，通过实时数据分析动态优化治疗方案分配，提高研发与验证效率。研究团队开发了基于数字病理与深度学习的AI模型，仅通过常规HE染色切片即可实现精准分型，大幅降低临床转化门槛。LINUX研究成功构建了“临床问题—分子分型—靶向干预—疗效验证”的完整科研闭环，为CDK4/6i耐药患者提供了明确的治疗新方向。

010203LINUX试验通过多中心随机对照的设计，确保了研究结果的广泛适用性和可靠性。采用随机分配的方法，LINUX试验有效避免了选择偏倚，提高了研究的科学性和准确性。设置对照组使得LINUX试验能够直接比较不同治疗方案的效果，从而验证精准治疗策略的有效性。多中心设计的重要性随机分配的优势对照实验的作用多中心随机对照

010203贝叶斯适应性设计的定义LINUX试验中的贝叶斯适应性设计应用贝叶斯适应性设计的优势贝叶斯适应性设计是一种基于贝叶斯统计原理的试验设计方法，通过实时数据分析动态调整试验策略，以提高研究效率和效果。在LINUX试验中，采用了贝叶斯适应性设计，根据患者的治疗反应实时调整治疗方案，以期达到最佳的治疗效果。贝叶斯适应性设计能够实时优化临床试验过程，减少不必要的干预，提高研究效率，同时为患者提供个性化的治疗选择。贝叶斯适应性设计

疗效与安全性分析

SNF2亚型精准治疗组ORR达65%SNF2亚型中位PFS延长至8.1个月SNF2亚型安全性与预期一致LINUX试验中，SNF2亚型患者接受卡瑞利珠单抗等精准治疗后，客观缓解率高达65%，显著优于传统化疗的30%。在SNF2亚型中，采用AI辅助分型的精准治疗方案使患者的中位无进展生存期（PFS）延长至8.1个月，远超传统化疗组的4.3个月。尽管SNF2亚型患者接受精准治疗，但≥3级治疗相关不良事件发生率与传统化疗相当，均为37%，且毒性谱符合已知药物特性。SNF2亚型显著疗效

LINUX试验首次验证了基于“复旦四分型”的精准治疗策略在SNF4亚型中的显著疗效，ORR高达70%。在LINUX研究中，SNF4亚型接受阿帕替尼联合医师选择治疗（TPC），其ORR为70%，中位PFS为7.0个月，显示了该亚型患者对特定治疗方案的高度敏感性。通过AI模型对SNF4亚型进行精准分型，并指导个性化治疗方案，LINUX研究证明了人工智能在乳腺癌精准治疗中的应用潜力和实际效益。精准治疗策略的有效性SNF4亚型的临床获益率AI辅助分型的应用价值SNF4亚型高ORR

01毒性谱与预期一致研究中最常见的≥3级TRAE为中性粒细胞计数减少，显示了治疗相关不良事件与预期毒性谱相符。中性粒细胞减少02除了中性粒细胞减少外，白细胞减少也是常见的≥3级TRAE，进一步验证了治疗方案的可预测性。白细胞减少03各亚型精准治疗方案的特异性≥3级TRAE均与药物已知毒性谱相符，证明了安全性的可控性。药物已知毒性谱

LINUX研究的深远影响

构建科研闭环LINUX研究首先明确了HR+/HER2-乳腺癌在CDK4