PDOs在靶向治疗评估中的价值2026-05-19 08:35:10
在药物筛选与疗效预测环节,基于Transformer等架构的先进AI模型能够整合大规模癌症细胞系数据库与高仿真的患者类器官药敏数据,通过迁移学习实现对患者临床药效的高精度预测,可以系统性地加速针对晚期恶性肿瘤的有效药物组合或新型疗法的发现进程。例如,顺铂等化疗药物常与放疗联合使用,PDOs可用于评估此类联合治疗效果及其在不同肿瘤类型中的敏感性差异,为癌症综合治疗策略的改进提供新的视角。靶向治疗通过精准抑制癌细胞的关键分子或信号通路,显著提升了肿瘤治疗的精准性。与传统化疗相比,靶向治疗通常具有更高的特异性,因此其副作用谱与化疗不同,且在许多情况下耐受性更佳。例如,EGFR抑制剂吉非替尼可使突变型肺癌患者的无进展生存期延长3~5倍;CDK4/6抑制剂帕博西尼则为乳腺癌患者开辟新的治疗路径。PDOs凭借其保留肿瘤分子特征的优势,已成为评估靶向药物疗效的重要平台。
表3总结乳腺癌、膀胱癌等8种肿瘤来源PDOs对多种靶向药物的测试结果,涵盖小分子抑制剂,如阿培利司、依维莫司、Palbociclib、诺替尼-3a、Gefitinib和匹克替尼,以及单克隆抗体西妥昔单抗。结果显示,PDOs对靶向药物的反应存在显著的个体差异。例如,头颈癌PDOs对Alpelisib的IC50值从高度敏感(<0.1 μmol/L)到耐药(>5 μmol/L)不等;乳腺癌PDOs对Everolimus的敏感性亦呈现明显差异,部分样本在低浓度下即表现出显著的增殖抑制(IC50<5 μmol/L),而另一些则表现出耐药性(IC50>50μmol/L)。
出自《患者来源肿瘤类器官临床药敏检测的回顾性分析》作者石铭, 高竟焜, 吴嘉兴。
上一篇: PDOs药物敏感性测试的临床相关性研究
下一篇: PDOs在靶向药物反应模式研究中的应用