《Cancers》：Comprehensive Analysis and Prediction of HER2-Targeted Therapy Insensitivity Among HER2-Positive Breast Cancer Patients Undergoing Neoadjuvant Treatment
Qingyao Shang,
Zian Lin,
Jennifer Plichta,
Samantha Thomas,
Meishuo Ouyang,
Sheng Luo and
Xin Wang
编辑推荐：
针对部分HER2阳性早期乳腺癌患者对新辅助靶向治疗不敏感、长期预后不佳的问题，研究人员利用美国国家癌症数据库（NCDB）13,004例患者的真实世界数据，通过多元逻辑回归模型，成功构建了一个基于年龄、临床分期、激素受体（HR）状态、肿瘤分级、组织学亚型等常规基线变量的预测模型。该模型可有效评估治疗敏感性的可能性，为个体化治疗决策和基线风险分层提供了实用工具。
在抗击乳腺癌的征途上，人类针对HER2（人表皮生长因子受体2）阳性这一特定亚型，已成功将靶向治疗武器整合入新辅助治疗（NAT）的标准方案。化疗联合HER2靶向药物，特别是双靶向策略，显著提升了疗效，成为高危患者的首选。然而，临床医生和研究者们面临着一个棘手而关键的现实：并非所有患者都能从中同等受益。在看似同质的HER2阳性人群中，存在着显著的异质性——约15-25%的患者对新辅助治疗表现出不敏感，肿瘤退缩有限，甚至没有退缩。这部分患者往往面临着更差的长期生存结局，标准的强化治疗策略在他们身上可能“力不从心”，甚至可能因治疗延迟而错失最佳手术时机。那么，能否在治疗开始前，就预先识别出那些可能对标准新辅助治疗不敏感的患者，从而“量体裁衣”，为他们选择更可能获益的治疗方案，避免无效治疗带来的毒副作用和资源浪费？这正是发表在期刊《Cancers》上的这项大规模研究旨在解决的核心问题。它试图在治疗前，为患者描绘一幅个体化的治疗反应“预测地图”。
为实现这一目标，研究团队运用了多项关键研究方法。首先，他们从美国国家癌症数据库（NCDB）中挖掘了2010年至2022年间13,004例接受了新辅助化疗联合HER2靶向治疗的早期HER2阳性乳腺癌女性患者的真实世界数据。其次，他们定义了两种评价“治疗敏感性”的核心指标：一是传统的病理完全缓解（pCR），定义为术后乳腺和腋窝淋巴结中无浸润性癌残留（ypT0/is, ypN0）；二是基于AJCC第8版分期系统，通过临床到病理分期的降期迁移来定义。通过将患者分为“治疗敏感”与“治疗不敏感”两组进行比较分析，研究人员深入剖析了与治疗反应相关的临床病理特征，并评估了治疗敏感性与患者总体生存（OS）之间的关联。最后，基于这些分析，他们利用多元逻辑回归模型，构建并验证了一个能够预测治疗敏感性的模型，模型的区分度（AUC）和校准度是主要的评估标准。这些方法的结合，使得研究能够在大样本人群中探索治疗反应的异质性及其预测因素。
3.1 治疗反应概况与患者特征比较
研究纳入了13,004名患者，其中3660人（28.1%）达到了pCR。基于分期迁移标准，10,451人（80.4%）被归类为治疗敏感，而2553人（19.6%）被归类为治疗不敏感。与治疗敏感组相比，治疗不敏感组的患者年龄更大，更倾向于患有临床T1c和淋巴结阴性（cN0）的疾病。相反，治疗敏感组更常见于临床T分期和N分期更高的患者。在病理特征上，治疗不敏感的患者更常见于HR阳性、低肿瘤分级和非导管癌的组织学亚型。这些特征清晰地勾勒出了两类不同反应人群的基本画像。
3.2 治疗反应与患者预后的关联
研究通过生存分析，直观地揭示了治疗敏感性与患者长期结局的紧密联系。Kaplan–Meier分析显示，与治疗敏感患者相比，治疗不敏感患者的总生存（OS）显著更差（p < 0.001）。即使在校正了其他混杂因素后，治疗敏感性仍然是改善生存的独立预测因素。这一结果强有力地说明了，对治疗不敏感不仅意味着肿瘤退缩不理想，更直接关系到患者的生存获益，凸显了提前识别这部分人群的必要性和紧迫性。
3.3 预测模型的构建与验证
为了在治疗前实现风险分层，研究团队基于基线临床病理特征，构建了一个多元逻辑回归预测模型。纳入的变量包括年龄、临床T和N分期、组织学亚型、肿瘤分级、HR状态、种族、民族，以及肿瘤分级与HR状态的交互项。该模型在预测新辅助治疗敏感性方面展现出了可接受的区分能力，在训练队列中的曲线下面积（AUC）为0.762，在内部验证队列中为0.776。校准曲线也显示出模型预测概率与观测概率之间有良好的一致性。这表明，一个基于常规可得的治疗前信息（如年龄、穿刺活检获得的病理特征、影像学评估的临床分期等）构建的简单模型，可以在一定程度上可靠地预测患者对新辅助治疗的可能反应。
结论与意义
本研究通过对大规模真实世界队列的分析，明确地揭示了HER2阳性早期乳腺癌患者对新辅助靶向治疗的敏感性存在显著异质性。研究发现，年龄更小、HR阴性、肿瘤分级更高（3级）、以及浸润性导管癌（IDC）组织学类型的患者，对新辅助治疗更敏感，获得pCR的几率更高。更重要的是，研究识别出了一个重要的、但可能被现行临床指南所忽视的亚组：多数治疗不敏感患者表现为临床T1c肿瘤。尽管当前指南推荐对肿瘤≥cT2或临床淋巴结阳性的患者进行新辅助治疗，对cT1c/cN0的患者可以考虑，但本研究发现这类患者对治疗的敏感性相对较低，这引发了关于对这类较小肿瘤是否应常规进行新辅助治疗的深入思考。近年来，针对T1c HER2阳性乳腺癌的治疗策略，趋势是“降阶梯”而非“强化”，如APT和ATEMPT等试验的结果支持了在部分患者中使用强度更低的辅助治疗方案。因此，在T1c患者中应用新辅助治疗，可能更多地反映了临床风险评估的异质性而非统一的生物学侵袭性。
基于这些发现，研究团队构建的预测模型，虽然在现阶段仅为探索性工具，但其成功展示了利用常规基线变量进行基线风险分层的潜力。这个模型能够帮助临床医生在治疗前，就对一个具体的患者获得其可能对标准新辅助治疗不敏感的概率估算，从而在制定治疗决策时，可以结合其他临床信息进行更全面的考量。例如，对于预测为不敏感风险高的T1c患者，临床医生可能会更审慎地评估新辅助治疗的利弊，或探索包括直接手术在内的替代策略。当然，该研究存在一定局限，如其回顾性设计、无法获取具体的靶向治疗方案细节、依赖数据库数据的准确性等，且模型仅经过内部验证，需在未来独立队列中进行外部验证。但不可否认，这项研究为迈向更精准的HER2阳性乳腺癌新辅助治疗决策迈出了坚实的一步，强调了“一刀切”模式的局限性和个体化风险分层的重要性。它提示未来的临床实践和研究方向，应更精细地考量肿瘤的生物学特性和基线风险，以期让每一位患者都能在最合适的时机，得到最有效的治疗。
