临床药物个体化治疗技术体系研究进展

张凤，徐德铎，焦晓栋，陶霞，位华，高守红，侯幸赟，李明明，王志鹏，陈万生*

（1. 海军军医大学长征医院药材科，上海 200003；2. 海军军医大学长征医院肿瘤科，上海 200003）

个体化药物治疗（personalized pharmacotherapy）是精准医疗的重要组成部分，有别于传统群体医学模式下的“千人一方、千人一量”的药物治疗模式，其核心理念是通过精准诊断、精准监测机体-药物间相互作用，制定基于患者个体病理生理特征的最佳药物治疗方案，实现“一人一药、一人一量”的精准药物治疗。个体化药物治疗的目标是明确药物作用于机体的疗效和毒性的敏感性差异，以及药物在机体内代谢的个体化差异，在此基础上为患者选择合适的药物、给药途径和准确的剂量、疗程。近年来，随着分子生物学、基因组学和生物信息学的发展，作为临床药学的实践者，临床药师已开始利用大数据诊疗与药物基因组学、治疗药物监测（therapeutic drug monitoring，TDM）等技术开展药学监护，积极评估药物治疗方案，参与构建患者综合管理模式，从而使个体化药物治疗显现出良好的临床效果。本文对临床药物个体化治疗技术体系研究进展进行综述，以期为相关研究和治疗提供参考。

1 基于药物基因组学技术的个体化药物治疗

药物基因组学的飞速进展为药物个体化治疗提供了巨大的发展空间。尤其随着对肿瘤发生发展和转移过程中潜在的致癌基因与细胞内各类活动的分子机制的深入了解，肿瘤治疗开始逐步地从传统的“万人一药”转变为更加精准的药物治疗方法，促进大量靶向药物的成功开发和化疗药物的个体化给药[1]。美国食品和药物管理局（FDA）每年均在不断更新带有基因标签的“个体化治疗用药”列表，目前有200 多种药物的说明书中标注了400 多个生物标志物的药物基因组信息，主要涵盖药物代谢酶基因（46%）和药物作用靶点基因（41%）[2]。对于已有充分临床证据表明其临床效应与患者遗传学变异关联的药物，临床药师需要遵照个体化药学服务指南[3]，根据基因检测结果建议辅助制定药物治疗方案。例如受体酪氨酸激酶c-Kit（又称CD117）抑制剂伊马替尼、抗人表皮生长因子受体-2（HER2）药物曲妥珠单抗和间变性淋巴瘤激酶（ALK）抑制剂克唑替尼，分别用于慢性粒细胞白血病（CML）、乳腺癌和非小细胞肺癌（NSCLC）的个体化药物治疗；通过检测患者UGT1A1*6和UGT1A1*28基因型可以确定伊立替康的使用剂量[4-6]。

然而，并不是所有药物效应的个体差异都可以通过研究单一的候选基因来预测[7]。以肿瘤治疗为例，一项研究评估了美国晚期或转移性癌症患者使用FDA 公开可用的基于基因检测数据的治疗方法并从中受益的年度百分比，虽然受益于基因靶向治疗的患者百分比数量有所增加，但只有少数晚期癌症患者从中获益[8]。主要原因在于3 个方面：第一，尚且存在一些与药物代谢或效应有关的未知基因信息，或者一些已知基因信息与药物临床效应的关联尚不能完全明确。第二，检测技术、检测结果的解读是否普及或满足诊疗需求。第三，医患双方对基因检测的接受认可程度，比如患者由于考虑诊疗费用放弃基因检测。再者，单次的基因检测虽然有助于揭示肿瘤发生、恶变和进展的分子机制，减少药物不敏感情况的出现，但肿瘤内异质性和肿瘤基因组不稳定性可能出现不同的表型和突变，并可能导致耐药基因产生且发展成抗癌基因，导致靶向药“脱靶”[9]。

因此，目前可考虑采用基于二代测序（next generation seqence，NGS）的液态活检技术，能够基于患者生物样本多次采集获得患者肿瘤基因表达谱的动态信息。例如当医患双方均同意并赞成进行基因检测后，笔者所在医院肿瘤科对NSCLC 患者采用血液NGS，而后根据检测结果进行治疗方案决策。其中一名患者具有表皮生长因子受体3 个罕见突变R670W、H835L和L833V，首先采用第二代酪氨酸激酶抑制剂（TKI）治疗，但第5 次液态活检发现患者出现表皮生长因子受体T790M突变，从而及时调整治疗药物为第3 代TKI 奥西替尼，患者病情部分缓解。由此可见，液态活检的动态监测有助于指导临床医生优化治疗策略[10]，即使患者耐药性的出现限制了靶向药物的疗效[11]。

实际上，药物基因组学技术临床实施的最大障碍是NGS 的检测成本较高，并且缺少能够正确解读NGS 的临床专家。这个案例也提示临床药师应加强对NGS 数据的学习，同时可开发用于药物个体化治疗的基因组算法和软件，或者设计新的基因组治疗试验，并探索更加高通量、高准确度且低成本的基因组DNA 变异检测的方法。例如，随着芯片高密度化和检测样品微量化的发展，基因芯片能够对单核苷酸多态性（SNP）组、miRNA 组和甲基化组等进行分析，这一优势在肿瘤基因组的“分子分型”上更为明显，可用于对患者进行风险分层以及制订药物治疗方案[12-13]。目前，美国医学遗传学和基因组学学院（ACMG）已将SNP 微阵列纳入已发布的指南和技术标准，促进其应用于临床[14]。根据检测基因的需求，可以设计多重连接探针扩增技术（multiplex ligation dependent probe amplication，MLPA）的试剂盒，对同一反应管内的几十种不同的核苷酸序列进行检测和定量分析[15]；或者采用基质辅助激光解吸电离（MALDI）飞行时间质谱分析和电喷雾电离（ESI）飞行时间质谱分析技术，在一个实验（多重分析）中分析多个DNA 产物，还具有灵敏度高、准确性高和可定量的特点[16-17]。

2 基于蛋白组学和代谢组学技术的个体化治疗

生物标志物是一种能客观测量并评价正常生物过程、病理过程或对药物干预反应的指示物[18]。临床生物标志物可用于疾病的筛查、诊断、监测和判断预后，预测药物不良反应等。随着组学技术对内源性化合物的识别覆盖率增加，加之质谱技术固有的高通量能力，蛋白组学和代谢组学技术已经广泛用于生物标志物的识别、鉴定和开发，进而监测药物治疗反应，促进药物个体化治疗[19-20]。

现已发现的生物标志物及其相关研究层出不穷，然而真正能转化用于临床实践的却很少。这是因为生物标志物的确定如同新药审批流程，从发现、验证、确认到临床应用的过程漫长而曲折，需要投入大量时间和成本[21-22]。目前，癌胚抗原（CEA）、前列腺特异性抗原（PSA）、甲胎蛋白（AFP）以及糖蛋白抗原（CA15-3、CA19-9 和CA125）等标志物含量检测已被用于广谱的早期肿瘤筛查以及监测肿瘤治疗反应的进展或变化[19]。OVA1 是FDA 最近批准的首个蛋白质生物标志物组（panel），包含CA125、转铁蛋白等7 种蛋白，用于卵巢肿瘤的临床诊断、衡量疾病进展以及指导药物治疗[23]。再如，基于大型临床队列发现的心血管风险密切相关的生物标志物氧化三甲胺（TMAO），其含量与慢性肾脏疾病、2 型糖尿病等多种类型患者的不良心血管事件和全因死亡率均高度相关[24-26]。

在生物标志物从基础到转化的过程中，多数研究存在一些共性问题：第一，实验室检测数据的可重复性不佳，患者临床特征数据记录和分析不够全面，从而导致缺失的数据赋值或调整等[27]。第二，由于肿瘤自身基因、代谢和蛋白等的复杂性，单一的标志物诊断缺乏足够的特异性，因此需要筛选和识别标志物组。但随着目前从事标志物发现的研究者将基础研究密切结合于临床，这些问题已逐步改善。如前所述，标志物的发现、评价与新药的研发过程非常相似，均紧密围绕药物的有效性和安全性进行开展。因此，临床药师可以针对标志物的发现、分析方法选择不当和缺乏临床验证等多方面存在的问题展开研究，发挥从标志物开发到实际临床诊断应用的关键桥梁作用。具体来说，临床药师能够运用开展临床监护的实践经验，针对药物治疗的需求选择合适的生物样本（如血液、尿液等），确定样本采集的时间和采集人群、对照人群，建立稳定的组学平台分析方法，这有助于产生有研究意义和临床价值的数据集。其次，根据研究目的采用差异蛋白组学或代谢组学分析来获得备选生物标志物，继而建立备选标志物（组）的定量分析方法，然后开展小规模到大规模的回顾性或（和）前瞻性研究，通过增大受试者样本例数来评判生物标志物诊断模型的稳定性和预测度，同时开展体内外模型试验确定备选标志物（组）生物学价值，最后通过多中心研究验证备选标志物（组）可重复性、通用性和特异性，以验证备选标志物（组）作为标志物的能力[20-22]，最终满足药物个体化治疗的需求。

3 基于类器官技术的个体化药物治疗

体外药物敏感性预测试验的目的是指导临床用药。以肿瘤药敏研究为例，最常用的模型仍然是传统的肿瘤细胞系药敏实验方法。细胞在这样基于二维的组织培养方式中只能沿平面延伸，与真实生理条件下细胞的生长情况有一定差异。此外，多项研究已证实，实验室中传代保存的肿瘤细胞系同它们最初来源的肿瘤细胞的相似度并不高，这种遗传和转录异质性可能会造成细胞株功能出现变化[28]。

目前新兴的类器官（organoid）和器官芯片技术（又称微生理系统），能够较为真实反映患者特征，促进临床药师理解药物代谢、药物效应的影响因素，以及可能发生的药物（食物）-药物相互作用。另外，通过连接多个器官微生理系统，可以为基于生理的药代动力学（PK）和药效学（PD）研究提供关键系统参数评价[29]。在此基础上发展而来的人源性类器官（patient-derived organoid，PDO）模型，作为新型肿瘤研究模型，能够高度模拟患者原位组织的生理结构及特性，适于体外高通量的肿瘤药物敏感性筛选，用以阐明患者用药个体差异[30-31]。例如，在一项前瞻性临床研究中，通过检测PDO 可以评价化疗敏感性的可行性，成功预测了80%以上患者接受伊立替康有效治疗的成功率，同时也避免了化疗不敏感的患者承受失败的风险[32]。

相似地，人源性组织异种移植模型（patientderived xenograft，PDX）也为药物筛选提供了一个重要的体内模型。PDX 与患者原始肿瘤在基因拷贝、基因突变和表达模式上有着较好的保真性和一致性。例如，研究者通过建立1 000 例患者来源的PDXs，并结合驱动基因信息，使用“1 个动物建1 个模型，采用1 种治疗”方法（1×1×1）实验设计进行药物组合筛选，以评估6 个适应证的62 种治疗方案的效果，结果表明此种方式可能协助临床治疗前评估，提高对治疗效果的预测性[33]。

相对于仅依靠肿瘤基因组学的相关数据对患者进行药物筛选而言，运用肿瘤类器官模型可以模拟肿瘤的特异性微环境，并可以对其进行多种药物的组合筛选，避免了许多昂贵且无显著疗效药物的使用，有助于减少社会和个人经济负担。除此以外，通过将药物敏感性与患者肿瘤遗传学信息联系起来，为患者分层和确定有效的肿瘤治疗方案提供了独特的机会[31,34]。因此，利用超低温保存技术建立活肿瘤细胞的生物银行（living biobank）为上述新兴技术的应用提供了更多的机会和数据，未来的药物临床试验可能会结合上述新兴技术来评估肿瘤治疗方案[35]。因此，临床药师可以将基因组数据、药物筛选信息、临床特征和大规模患者随访信息整合到可挖掘的数据库中，并指导未来临床试验的设计；在无法获得类器官数据时，可以通过数据库将有限的基因组数据和治疗效果相关联，为临床决策提供信息[31]。

4 基于治疗药物监测技术的个体化药物治疗

TDM 的目的是通过测量生物样品（通常是血浆）中的药物浓度，以指导剂量调整，从而提高药物的效益风险比。因此，TDM 结合了PK（代谢酶、转运体基因多态型）、PD（靶点或受体基因多态型）、体内药物分析技术或方法。临床开展TDM 的情况包括药物治疗剂量范围内缺乏临床效应、药物依从性评估、药物耐受性问题和药物相互作用等。

在检测技术和分析化合物的范围方面，传统的TDM 服务只量化了特定的原型化合物，尚未考察具有药理学活性或毒性的代谢产物。近年来逐渐普及的液相色谱质谱联用（LC-MS/MS）技术能够解决上述问题，可以更加精确地测定原型药物、代谢产物、联用药物等多个化合物的浓度[36-37]。

生物样本采集时间点需要根据临床需求而定，通常设定在给药间隔结束时（即谷浓度水平）。抗癫痫药物的TDM有时需要采用稀疏药物PK采样法，也有研究建议在给药后2 ～ 6 h 之间进行取样[38-39]。对于危重患者、合并透析的患者，药物代谢的特征受病理情况、治疗策略的影响，可以根据治疗需求对患者进行多次取样和血药浓度分析，以优化药物治疗。例如，得益于临床药师主导的抗菌药物TDM管理计划，重症监护室（ICU）患者与对照组相比，多药耐药率（P= 0.037）和医院死亡率（P= 0.007）均较低[40]。又如，有研究数据表明，针对新型冠状病毒肺炎（COVID-19）患者开展羟氯喹TDM 有益于药物不良反应监测[41]。由于频繁或不定期采样会增加临床药师药学监护的难度，因此，在TDM 基础上发展而来的群体PK 模型能够考虑药物治疗中潜在变异性的影响，基于建模和仿真的推理方法阐明药物暴露量与疗效之间的关系，并判断是否需要根据患者临床数据或其他协变量因素优化药物选择和治疗剂量[39]。

目前也有一些研究倡导对尚未公认需要开展TDM 的药物进行TDM 研究，促进TDM 的应用和发展。例如诸多回顾性和前瞻性研究均肯定了甲氨蝶呤和5-氟尿嘧啶TDM 结果对临床治疗方案的指示作用；近年来靶向小分子药物和单克隆抗体药物的TDM 研究也逐渐兴起，致力于阐明浓度-效应（PK-PD）关系，为临床用药科学化、个体化、合理化提供依据[42]。因此，临床药师应积极在TDM工作中发挥主导作用。从分析技术层面来说，临床药师可以考虑采集替代样本例如唾液，或者简化血液采样方法例如干血斑技术，或是探索更加简单、快速、稳定的药物检测方法；从TDM 数据的再利用来说，临床药师可以采用定量药理学技术对现有TDM 数据进行分析，并进一步精确有效治疗浓度窗，来证明对临床结果的积极影响。

5 基于真实世界研究技术的个体化药物治疗

药物临床试验的目的是新的治疗药物和治疗方案获得监管机构的批准，而后纳入临床实践。通常的药物临床试验时间成本和金钱成本较高昂，并且这些特定的“临床研究场景”下产生的数据有时只适用于数量非常有限的患者群体。“真实世界证据”（real-world evidence，RWE）从“真实世界研究”（real-world study，RWS）产生，是指临床试验中所有与药物治疗有关的信息和各种来源的数据[43]，这样的特点促使RWE 为随机对照的药物临床试验提供了互补性证据。2019 年5 月，中国药品监督管理局药品审评中心（CDE）发布《真实世界证据支持药物研发的基本考虑》（意见稿），指出了RWE支持的应用场景，其中包括精准定位目标人群，为支持药物新适应证获批、适应证的扩大和临床研发等提供便利通道，更加有效促进药物的合理使用。

临床药物传统的疗效评价方式是生物活性导向模式，从基础的药理学研究出发，再开展临床前研究、药物临床研究对新药进行系统的临床评价。这样的评价方式有2 个潜在的不足：其一，基于体外细胞或动物模型的活性数据对人类药物反应的预测价值不足会导致药物治疗的失败；其二，一些药物潜在的毒性或新的适应证尚不能从临床前研究、药物临床研究中获得，尤其大剂量使用的药物可能存在潜在的或滞后的不良反应风险，而RWS 弥补了这些缺陷。例如，在观察到大剂量激素治疗严重急性呼吸综合征（SARS）患者导致的不良反应后[44]，COVID-19患者的治疗指南建议谨慎使用激素治疗[45]。一项基于模型的Meta 分析系统评价了二肽基肽酶4（DPP4）抑制剂治疗2 型糖尿病的临床试验公开数据，发现在协变量组合优化后的新模型可以优化未来临床试验中的药物剂量和治疗持续时间[46]。这说明相对于传统的临床药物疗效评价，RWS 依赖大样本量和大数据的分析优势，有助于精准筛选药物治疗有效的患者（见图1）。

图1 传统的临床药物疗效评价示意图和基于真实世界研究（RWS）的药物疗效评价示意图Figure 1 Schematic diagrams of clinical drug efficacy evaluation by traditional methods and real-world study

临床药物个体化治疗的目的是尽可能全面地满足患者和社会的医疗需求。因此，通过监管机构、制药公司和RWE 专家的合作，针对需要解决的药物有效性和安全性方面的问题，设计相应的RWS，产生可靠的RWE，对“现实世界”患者进行分层分析，获得真正有效或治疗不佳的患者特征，为临床治疗方案决策者提供有价值的治疗信息。临床药师通过获得上述信息，一方面在临床实践中不断扩大RWS，开启对药物治疗决策信息的验证；另一方面将获得更新的RWE，从临床中获取关键知识，从而为未来临床研究的设计和实施提供信息，在实际操作中提供更好的药物治疗结果。与此同时，这将生成一个非常有潜力的RWE 与治疗相关的知识库，这个知识库不仅包括患者的药物基因组学信息，还记录了患者的基本临床特征，以及采用不同治疗方案后的治疗反应。基于此数据库，应用大数据分析技术建立药物决策相关模型，临床药师可以得到一种疾病的治疗途径、药物选择，也可以得到一种药物的使用范围和不良反应风险出现的概率，因此，完全有可能针对个体患者提供专属的药物治疗方案。

6 结语与展望

必须强调的是，上述技术应用的目的是建立与生物表型的直接相关性。比如，药物基因组学信息被证明与药物选择和起始剂量相关，基于PDX 或PDO 的模型筛选有助于选择较为有效的肿瘤治疗药物，TDM 是预测药物治疗靶值更精确、最直接的工具，通过对真实世界患者开展RWS 能够达到药物治疗方案的合理评估，提高药物个体化治疗的质量和准确性。虽然上述技术在临床药物治疗决策中均有独特的潜力，但也有一定的局限性。因此，运用各种新兴的高通量技术来表征基因组、表观基因组、转录组、蛋白质组和代谢组，可以全面研究患者与药物之间的相互作用，疾病分子机制及其与免疫系统的相互作用，为疾病的药物治疗增加了新的维度。尤其是肿瘤研究，上述数据的集成和生物信息技术的发展，使得临床药师在基因、转录和表观遗传学水平上描述肿瘤特征的能力发生了革命性的变化，并以此来形成伴随诊断技术，预测药物治疗的反应[47-48]（见图2）。

图2 临床药师基于患者信息数据库进行药物治疗方案决策Figure 2 Decision-making process of clinical pharmacists based on patient information database

随着精准医疗的发展，临床药师可能通过“一键查询”来提供和评估临床药物个体化治疗的方式（见图2）。临床药物个体化治疗的目标是优化药物的疗效，最小化其毒性，或者两者兼而有之。目前各医院已经针对临床亟需解决的瓶颈问题，建立适合本医院的个体化检测技术，尤其是基因检测、血药浓度监测、RWS 等已作为常规技术在各大医院开展，促进临床药物个体化治疗[20,22,49]。例如，多学科团队（multidisciplinary team，MDT）在国内外的大型医院已成为疾病治疗的重要模式，通过这种多学科专家组协作诊疗模式，为肿瘤、慢性病等患者提供个体化的药物治疗方案[50]。目前仅靠医生管理一切的治疗方案，即所谓的单独模式是不现实的，目前的医疗保健系统需要将这一模式转变为综合性、多学科、以患者为中心的药物治疗模式，实现临床药物个体化治疗[51]。临床药物个体化治疗是临床药学的基本内涵，临床药师是临床药学的实践者，要善于综合利用个体化药物治疗工具，寻找、阐明和验证影响药物疗效的各参数的临床证据，从而优化患者药物治疗质量和效果，获得更加成功的临床实施。