新辅助治疗，即术前进行的系统性治疗（化疗或化疗+靶向治疗），越来越多地用于乳腺癌的治疗，以提高保乳手术成功率和患者存活率。然而，许多患者对这种治疗的反应并不好。

乳腺癌是恶性肿瘤细胞和肿瘤微环境的复杂生态系统。这些肿瘤生态系统的组成及其相互作用影响对细胞毒性治疗的反应。对治疗反应预测因子的研究中还没有这方面的内容。

英国剑桥大学癌症研究所的Carlos Caldas等收集了168例患者的乳腺肿瘤在治疗前活检的临床、数字病理学、基因组学和转录组学资料，这些患者在手术前接受化疗，接受或不接受HER2（由ERBB2基因编码）靶向治疗。然后，手术的病理学终点（完全缓解或残留疾病）与这些诊断性活检的多组学特征相关。

研究表明，治疗反应受预治疗的肿瘤生态系统调节，其多组学景观可以通过机器学习集成到预测模型中。治疗后残留疾病的程度与治疗前特征单调相关，包括肿瘤突变和拷贝数、肿瘤增殖、免疫浸润和T细胞功能障碍和排斥。将这些特征整合到多组学机器学习模型中，可以预测外部验证队列（75名患者）的病理学完全反应，曲线下面积为0.87。

总之，肿瘤生态系统是治疗反应的主要决定因素，结合临床、分子和数字病理学数据预测治疗反应的机器学习模型明显优于基于临床变量的模型。这种方法可用于寻找其他癌症的预测因子。

参考文献：Sammut SJ, Crispin-Ortuzar M, Chin SF, et al. Multi-omic machine learning predictor of breast cancer therapy response[J]. Nature,2022,601:623-629.