转自：药明康德
在过去的数年间，研究人员在解读特定类型癌症的致癌分子变异，并为其匹配相应的靶向疗法方面取得了显著进展。然而，基于肿瘤分子数据选择合适的治疗方案仍然充满挑战，为应对这些挑战，分子肿瘤委员会（MTB）应运而生。近日，《自然》杂志子刊Nature Reviews Clinical Oncology发表了一篇文章，深入探讨了MTB在肿瘤治疗决策中的作用，并分析其在当前和未来精准肿瘤学中的应用考量，以及它们在推动针对个体肿瘤治疗方面的潜在影响。在今天的文章中，药明康德内容团队将与读者分享其中的精彩内容。
分子肿瘤委员会的职能
精准肿瘤学定义为基于预测性生物标志物分析结果，为癌症患者使用个体化治疗的方法。这一领域的快速发展得益于基因测序技术和其他分子分析技术的进步。然而在癌症治疗中，选择合适的治疗方案仍然是一个复杂的过程，这一过程尤其受到治疗后基因变异和癌症生物学复杂性的影响。
为了应对这些挑战，许多临床试验和医疗中心开始引入MTB制度。MTB由跨学科的专家组成，包括肿瘤学家、分子生物学家、遗传学家和药理学家。他们协作审查并解读患者的分子图谱数据，以及在治疗选择上提供专业意见，从而优化患者的治疗方案。MTB的存在不仅有助于减少治疗选择的主观性，还能够充分利用各学科专家的集体知识，以优化治疗过程。
MTB的专家定期举行会议，讨论在常规临床实践中或特定临床试验中癌症患者的治疗方案。在MTB的会议上，治疗医师及患者护理团队的其他成员提供关于患者的临床信息，而来自不同科学领域的专家则对患者癌症的基因组及其他分子数据进行解读和分析。基于这些信息，委员会成员共同协作，形成一致的治疗建议，为患者提供适配的治疗方案。最后，治疗医师将根据支持性证据、潜在获益和可能的风险，做出关于临床试验和/或向患者提供的干预措施的最终治疗决策。
为患者匹配靶向治疗的挑战
在选择合适、基于生物标志物的治疗方案时，所需的分子检测及其后的数据解读面临数项挑战。首先，随着科技进步和对癌症生物学理解的深化，用于解读基因变异的生物信息学方法需不断优化。其次，分子检测和治疗决策的标准化，以及精准肿瘤学各方面的严格定义和高质量患者护理，均不可或缺。在疾病复发和/或进展时，对肿瘤分子分型的重复检测和MTB审查流程的规范化是必要的，以识别潜在的可靶向耐药机制或其他可选靶点。
MTB将基于患者的临床和分子特征匹配适合的治疗方案，还可能促使患者匹配到专门测试特定分子靶向治疗的临床试验。然而，患者入组临床试验可能受限于多种因素，包括肿瘤分级、患者的自身状态、风险分类等。此外，临床试验的状态和可用名额的限制也会影响患者的入组。其他障碍还包括患者对被随机分配到安慰剂组的担忧、对不良反应风险的忧虑、以及试验设置的问题等。
图片来源：123RF
另外，MTB在不同地域的可及性差异也是限制其发展的重要因素之一。
MTB如何提升癌症患者的护理质量
MTB的优势主要体现在以下几个方面：首先，MTB由一组深入理解癌症分子和生物学特征的专家团队组成，他们将对患者的分子分型结果进行解读；其次，该委员会推荐的匹配治疗方案与改善临床结果密切相关；再者，根据患者的具体情况，MTB可以推荐额外的检测以提高治疗选择的准确性；最后，MTB促进了从测序团队到负责治疗患者医生、治疗方案匹配流程等多个环节的整合。既往研究表明，MTB提供的治疗建议有助于患者获得良好的治疗效果。
此外，MTB还可以在临床试验中发挥作用，比如确定患者是否符合特定试验的资格，并提供一般试验方案的推荐。英国基因组学审查委员会曾对895名患者的队列进行评估，发现MTB可以为患者提供有关疾病生物学的见解，并指明更多匹配的治疗方案或初始诊断中未涵盖的生物标志物。
鉴于癌症患者在致癌过程中所展现的分子变化和免疫标记物的复杂性，MTB已成为精准肿瘤学的一个核心部分。人工智能（AI）和机器学习工具的运用有望加深对肿瘤生物学的理解，但在临床应用中应慎重使用，需考虑数据质量、伦理、隐私以及法律等方面的挑战。
图片来源：123RF
结语
总体而言，MTB标志着癌症精准治疗领域的一项重大进展。面对癌症基因组学的复杂性，MTB提供的深入见解和团队协作的决策方式极其宝贵。展望未来，MTB的有效运用将更多地依赖于AI和机器学习等先进技术的融合，这些技术有望深化我们对肿瘤生物学的理解，从而提升精准医疗策略的效率。
然而，MTB的成功也面临诸多挑战。这些挑战主要来自于肿瘤中可识别的分子变化和免疫标记物的多样性，以及随着数据的积累，这些分子变化的临床意义不断演化。因此，为了MTB的持续发展并覆盖更广泛的患者群体，需要大量的资源和支持。
综上所述，MTB在临床实践中的不断发展与整合是实现精准肿瘤学全部潜力的关键。它为更个体化、更有效且以患者为中心的癌症治疗提供了新的前景。
