研究亮点
本研究表明，基于机制的数学生物标志物可由首个治疗周期的 PSA 动力学推导获得，能够准确预测接受自适应治疗的前列腺癌患者的进展时间、平均用药剂量和总生存期。该方法优于传统基于 PSA 的指标，为个体化治疗方案制定提供了有前景的框架。
研究背景
前列腺癌仍是全球最常见的恶性肿瘤之一，构成重要的临床与公共卫生挑战。标准雄激素剥夺治疗（Androgen Deprivation Therapy，ADT）及其间歇性给药一直是管理去势敏感性前列腺癌（castrate-sensitive prostate cancer，CSPC）的核心策略。对于转移性去势抵抗性前列腺癌（metastatic castrate-resistant prostate cancer，mCRPC），如阿比特龙醋酸酯等药物可延长生存期。然而，治疗耐药常常出现，从而限制长期疗效。
自适应治疗是一种受进化原理启发的治疗策略，通过刻意保留药物敏感性癌细胞来调节治疗强度，以维持肿瘤控制。这一策略可延缓耐药克隆的扩增，并延长患者获益。不过，自适应治疗的临床反应存在明显异质性，凸显出对预测性生物标志物的迫切需求，以更有效地优化并个体化治疗排程。
研究设计
本回顾性建模与验证研究利用了两个独立临床队列的纵向数据：40 例于 1996 年至 2006 年接受治疗的去势敏感性前列腺癌患者，以及 13 例于 2015 年至 2022 年接受治疗的转移性去势抵抗性前列腺癌患者。CSPC 患者接受间歇性雄激素剥夺治疗，而 mCRPC 患者接受自适应阿比特龙醋酸酯治疗。
研究采用双种群微分方程模型，以刻画由药物敏感与药物耐药癌细胞两类竞争性群体驱动的肿瘤动力学。数学生物标志物——包括自适应治疗评分、预期进展时间（time to progression，TTP）和预期平均每日剂量——均根据初始治疗周期内记录的前列腺特异性抗原（prostate-specific antigen，PSA）动力学计算得出。
研究的主要终点包括临床进展时间和总生存期，并将模型预测结果与实际结局及传统经验性 PSA 指标（如 PSA 最低值、达最低值时间和倍增时间）进行比较。
主要结果
共分析了来自两项临床试验的 53 例患者数据。在 CSPC 队列中，基于首个治疗周期 PSA 动力学的自适应治疗评分可强有力地预测临床进展时间延长，单变量风险比（hazard ratio，HR）为 0.49（95% CI，0.31–0.76；P = .002），提示评分每增加 1 个单位，进展风险几乎降低 50%。
在 mCRPC 队列中，自适应治疗评分与临床进展时间呈强相关（Spearman ρ = 0.76；P = .002），并呈现与进展时间改善相关的趋势（HR，0.41；95% CI，0.16–1.07；P = .07）。值得注意的是，该评分及预期 TTP 还与总生存期延长显著相关，而标准 PSA 指标未能有效预测生存结局。
这些结果强调了基于机制的生物标志物相较于传统 PSA 指标具有更优的预后价值。此外，计算机模拟（in silico）基准验证证实了这些数学生物标志物的稳健性与预测能力，为其临床应用提供了科学严谨的基础。
专家点评
自适应治疗代表着从最大限度清除肿瘤转向动态控制肿瘤的范式转变，因此预测工具对于个体化治疗至关重要。本研究提供了有力证据，表明将进化模型与临床常规采集的 PSA 数据相结合，可生成具有临床可操作性的生物标志物。通过在治疗早期量化药物敏感与耐药克隆之间的相互作用，临床医生可以据此调整治疗排程，在疗效与毒性之间取得平衡。
研究局限性包括其回顾性设计以及相对较小的样本量，尤其是 mCRPC 队列，这可能影响结果的推广性。仍需前瞻性试验以确认其临床实用性，并将这些生物标志物纳入实时治疗决策。
结论
基于早期治疗阶段 PSA 动力学推导出的机制性数学生物标志物，有望成为预测前列腺癌自适应治疗结局的有力工具。其应用可促进个体化治疗方案制定，优化给药剂量，延缓耐药形成，并最终改善生存。该方法体现了数学肿瘤学在推动精准医学发展中的转化潜力。
资助与临床试验注册
有关资助来源和临床试验注册的信息见 Gallagher et al., 2026（PMID: 42560686）的原始发表。