编者按：在第二十届中国临床肿瘤学会年会（CSCO）现场，中山大学孙逸仙纪念医院刘强教授告诉《肿瘤瞭望》记者，“大数据不一定立竿见影，而是一个需要日积月累不断建设的工程”“。大数据是什么，它为临床研究带来了哪些增益性价值，目前大数据诊疗模型有哪些挑战？在具体的临床话题，如OFS的应用中，“数据”将起到怎样的作用？一起来学习一下吧。
.jpg)
刘强教授
中山大学孙逸仙纪念医院
《肿瘤瞭望》：今年是中国临床肿瘤学会（CSCO）成立20周年，在过去20年里，有哪些改变乳腺癌内分泌治疗的大事件给您留下了深刻的印象？
刘强教授：对于临床医生而言，那些能够显著提高患者生存的临床试验的发布而且能够尽快普及使用，是最令人震撼的。近年来给我留下最深刻印象的事件是2014年TEXT研究和SOFT研究的陆续发布，这可以说是一个改变了临床实践的研究。这个研究的结果提示，当前用于ER阳性的早期乳腺癌女性患者的内分泌治疗，通过新的不同形式的组合，可以给患者带来相当大的生存率提高。
正是因为有这么大的获益，至少在我们中心和我所了解到的中心，大家现在相当重视内分泌治疗中的卵巢功能抑制（OFS）。在TEXT/SOFT研究结果公布之前，很多医生对OFS还是将信将疑，尤其对OFS+AI持观望甚至否定的态度，而在该研究结果出来之后，大家看到了非常明确的DFS的获益。尤其年轻患者对于OFS+AI，DFS获益的程度可以说相当大，五年复发几率相对下降50%，超过靶向治疗的效果，同时副作用和费用又可以接受，于是新的内分泌治疗方案迅速在临床得到了重视和推广，这是一个给我印象非常深刻的突破性事件。
除了已有药物的不同组合带来了一些新的启示外，近几年乳腺癌内分泌治疗领域靶向药物层出不穷，如氟维司群的出现，还有即将上市的CDK4/6抑制剂以及其他一些新药如PI3Kalpha特异性抑制剂等，而且有加速发展的趋势。这些靶向药物的出现给临床医生不但在疾病晚期，甚至可能在疾病早期都提供了更多治疗手段，可以更多地改善患者的生存，提高治愈的几率。
例如在氟维司群出现前，内分泌治疗只有他莫昔芬和芳香化酶抑制剂（AI）这两种主要药物， AI虽然分为甾体类和非甾体类的共三个药物，但其实选择还是非常少。内分泌治疗失败后就只能化疗，但是化疗后患者的生存质量较差，患者的接受程度也不太好。所以针对ER阳性患者的新靶向药物的不断出现，给我们提供了很多新的武器，患者的生活质量可以更高，生存期也希望能够更长。这样的事件都让我印象深刻。
《肿瘤瞭望》：您如何看待大数据为临床研究带来的增益性价值以及目前大数据诊疗模型还存在着哪些问题与挑战？
刘强教授：大数据是现在热议的一个话题，也是我们的工作方向之一。这些年包括美国FDA都把大数据作为批准药物或者临床观测的重要指标和重要方法。大数据毫无疑问是与临床试验互补的，因为临床试验研究的入组人群都需要经过精心筛选，不同方案组间的患者特征都比较平衡，而且往往还是小众的人群。即便是在临床试验开展最多的美国，入组临床试验的人群都只占整个人群的很小一部分，而在中国就更低得多了。原则上，临床试验的结果应该能够推广到适应证中所包括的人群，但是在外推的过程中不能保证百分之百的准确。临床试验的结论需要在在药物上市之后进行上市后的观察疗效和副作用，大数据就能够起到补充作用，对于中国人群更加如此，因为欧美已上市的药物在中国取得适应症时，往往只需要做一个非常小样本的研究就够了。
但是大数据的收集面临非常多的挑战，在中国更加艰难。因为在中国愿意且有能力参与大数据统计的医院一般都是一些大医院，其患者多来自外省外地，甚至是其他国家和地区，如何完善、详尽地收集这部分人群的随访资料，是一个非常大的挑战。
以我们中心为例，我们中心非常重视随访，每年需要随访上万个病例。我们有四位职员专门负责随访，她们每天都需要通过电话与近百位患者联系，工作量和压力都相当大。建立大数据需要投入足够的资源，但这并不会马上带来明显的回报，不过这样的工作影响深远，对中国患者意义重大，这叫做前人栽树后人乘凉，需要一个日积月累不断建设的过程。我觉得，如果国内尤其是高水平的肿瘤中心都不来做为表率挑起这个重任的话，我们就更没有希望让中小型的肿瘤中心或科室来做这样的事情。
其实，中国对大数据有着比欧美国家更迫切的需求，这是因为很多临床试验本身的主要数据来自于欧美人群。如果我们没有自身现实生活中的大数据，也就没有自己的特征性数据可作为参考来指导临床，无法制订更具针对性、更适合国人的临床决策。
很高兴的是，我看到了国内多家肿瘤中心都在积累自己的数据。不过从我们自己的经验来看，我们还需要注意大数据模型收集的标准化和可转换性，最好能够建立标准化的平台，方便不同中心的数据准确方便地共享和交换，这样就可以建立起类似美国SEER数据库那样的全国统一的数据库，为中国患者提供治疗的参考。
《肿瘤瞭望》：OFS联合他莫昔芬或芳香化酶抑制剂在绝经前乳腺癌内分泌治疗中占有举足轻重的地位，但当前对于OFS获益人群和方案的选择上仍有争议。TEXT研究和SOFT研究中尝试用STEPP作为诊疗的参考，您的观点是什么？未来可否通过数据建模来筛选OFS的获益人群?
刘强教授：对于绝经前的早期乳腺癌应该优选OFS加AI还是OFS加他莫昔芬，这个问题对于总体人群来说可能没有明确的答案，但对于一些特定人群是有答案的，其中如何确定这个特定人群是关键。
刚刚在CSCO会议上举行的一个辩论赛就是讨论的这个话题，大家取得的共识是：对于高危患者，倾向于OFS加AI；对于中危患者，OFS加他莫昔芬应该也可行；对于低危患者，仅需他莫昔芬，不需要OFS。
但问题是应该如何定义中危或高危呢？各个指南也没有给出清晰或准确的答案。虽然国外有一些数据模型或基因标签（如21基因）可以帮助我们鉴定患者的复发风险，但这些模型是否适用于“OFS在绝经前患者中的应用”这个特定话题，并未得到前瞻性的验证，所以目前仍无明确答案，临床上更多是由临床医生根据自己的判断来做治疗选择。
因为患者的复发风险不是“全或无”的，甚至不是阶段性的，而是一个连续的变量。0到1之间如何判断是一个关键，所以我觉得，通过数据建模得到类似STEPP这样的评分标准，会是解决这个问题的好办法。STEPP评分法就是根据TEXT/SOFT研究的试验对象，尝试进行定量的评分，可以说走出了第一步，但我们还希望看到该评分在其他研究人群或者是真实世界人群中的独立验证，这样才能够充分证实其有效性。
我们也在进行相关尝试，根据自己及其他中心收集的两三千例病例建立了评分模型，希望能通过肿瘤大小、淋巴结转移数目、病理分级、脉管癌栓以及ER、PR、HER2、Ki67等病理和分子风险因素进行综合评分，最终能较为准确地判断每个患者5年、10年和15年的复发风险，并且能预测不同化疗和内分泌治疗方案给生存率带来的改善程度。如果有这样一个精确的数据模型指导的话，对于临床显然是非常大的助益。
专家简介
刘强 教授
中山大学孙逸仙纪念医院普外科主任、乳腺肿瘤中心主任及乳腺外科主任、教授及博士生导师。于新加坡国立大学医学院外科获博士学位，先后在美国哈佛大学 Dana Farber 癌症中心任博士后及讲师，2011 年以中山大学“百人计划”回国。
现任中国抗癌协会肿瘤分子医学专业委员会常委、中国抗癌协会乳腺癌专业委员会委员、广东省医学会乳腺病分会及广东省抗癌协会乳腺癌专业委员会副主任委员、美国临床肿瘤学会ASCO及美国癌症研究协会AACR会员、中国普通外科杂志的编委。主持多项国家级重点项目，研究乳腺癌对内分泌治疗和化疗耐药的机制。
京公网安备 11010502033352号