概述

乳腺癌精准医疗是一种能够找到最有可能提供帮助的治疗方案的方法。此方法可能涉及检测 DNA 或癌细胞以探索哪种治疗方案效果最好。

乳腺癌精准医疗还有助于诊断和预防。

乳腺癌精准医疗可用于:

  • 查找可能增加患乳腺癌和其他类型癌症风险的 DNA 变异。
  • 通过检测 DNA 了解身体可能会对某一种药物产生怎样的反应。
  • 通过检测癌细胞内的 DNA,选择最可能对癌细胞起作用的药物。
  • 检查构成癌细胞的其他成分,比如细胞表面的某些蛋白质或标志物。这些成分能够让医护团队知道某种药物是否可能对癌症有效。

精准医疗又称为个性化医疗或个体化医疗。

癌症护理是最早使用精准医疗的医学专业之一。一些在癌症护理中使用精准医疗的方法也常用于医学中心。其他一些方法仅供专门的医学中心使用。很多使用精准医疗的方法仅可用于临床试验。这是癌症研究的积极方面。

目的

乳腺癌精准医疗用于找到最有可能提供帮助的治疗方案。它还可用于乳腺癌诊断和预防。

风险

乳腺癌精准医疗的风险取决于所涉及的医疗程序。例如,基因检测可能涉及采集血液样本。采集血液样本存在出血和感染的小风险。

检测癌细胞可能需要通过活检来收集一些细胞。活检程序也有一些风险。例如,使用针头获取样本可能会引起相关部位淤伤和酸痛。咨询医护团队自己将进行的医疗程序及其相关风险。

可能出现的情况

精准医疗的预期效果取决于进行精准医疗的原因。乳腺癌精准医疗通常用于找到最可能帮助到您的治疗方案。它还可用于乳腺癌诊断和预防。

乳腺癌精准医疗的示例包括:

检测 DNA 以找到合适的药物

细胞内的 DNA 向细胞发出指令,指示细胞需要完成自己的工作。DNA 变异会影响细胞的工作方式。例如,帮助身体加工药物的细胞,因 DNA 不同,其工作方式可能存在差异。DNA 变异可能导致药物对您效果不佳。或者,由于变异,您更可能出现特定副作用。

精准医疗可以帮助医护团队根据 DNA 选择适合您的药物。通过基因检测找到合适的药物有时称为药物基因组学。

检测癌细胞以找到合适的药物

癌症通常始于健康细胞变为癌细胞。健康细胞的 DNA 发生变化,将其转变为癌细胞。检测可以找出癌细胞内部的这些变化。

通过使用精准医疗,医护团队可以选择可能对癌细胞最有效的药物。有时这种检测用于选择靶向治疗药物。此检测有时称为肿瘤测序或生物标志物检测。

寻找家族遗传的 DNA 变异

一些 DNA 变异由父母遗传给子女。许多这类 DNA 变异会增加患乳腺癌的风险。与乳腺癌有关的最著名的 DNA 变异是 BRCA1 和 BRCA2。出现这些 DNA 变异的人群患乳腺癌和其他癌症的风险非常高。

精准医疗提供的信息可供医护团队用来根据基因检测结果创建个性化预防和筛查计划。如果出现这些 DNA 变异,可以选择通过药物和手术降低癌症风险。

结果

乳腺癌精准医疗的结果是为您提供个性化治疗或护理。与医护团队讨论治疗计划。医护团队可以解释何时开始看到治疗结果。

Nov. 26, 2024
  1. Jorde LB, et al., eds. Genetics and precision medicine. In: Medical Genetics. 6th ed. Elsevier; 2020. htps://www.clinicalkey.com. Accessed Dec. 21, 2023.
  2. Cyr AE, et al. Individualizing breast cancer risk assessment in clinical practice. Surgical Oncology Clinics of North America. 2023; doi:10.1016/j.soc.2023.05.013.
  3. Khan SA. Breast cancer risk reduction: Current status and emerging trends to increase efficacy and reduce toxicity of preventive medication. Surgical Oncology Clincs of North America. 2023; doi:10.1016/j.soc.2023.05.001.
  4. Reizine NM, et al. Modern developments in germline pharmacogenomics for oncology prescribing. CA: A Cancer Journal for Clinicians. 2022; doi:10.3322/caac.21722.
  5. Biomarker testing for cancer treatment. National Cancer Institute. https://www.cancer.gov/about-cancer/treatment/types/biomarker-testing-cancer-treatment. Accessed Dec. 22, 2023.
  6. Liu T, et al. CDK4/6-dependent activation of DUB3 regulates cancer metastasis through SNAIL1. Nature Communications. 2017; doi:10.1038/ncomms13923.
  7. Luo K, et al. A phosphorylation-deubiquitination cascade regulates the BRCA2-RAD51 axis in homologous recombination. Genes & Development. 2016; doi:10.1101/gad.289439.116.
  8. Ingle JN, et al. Genetic polymorphisms in the long noncoding RNA MIR2052HG offer a pharmacogenomic basis for the response of breast cancer patients to aromatase inhibitor therapy. Cancer Research. 2016; doi:10.1158/0008-5472.CAN-16-1371.
  9. Goetz MP, et al. CYP2D6 metabolism and patient outcome in the Austrian breast and colorectal cancer study group trial (ABCSG) 8. Clinical Cancer Research. 2013; doi:10.1158/1078-0432.CCR-12-2153.
  10. Goetz MP, et al. First-in-human phase I study of the tamoxifen metabolite z-endoxifen in women with endocrine-refractory metastatic breast cancer. Journal of Clinical Oncology. 2017; doi:10.1200/JCO.2017.73.3246.
  11. D'Assoro AB, et al. The mitotic kinase Aurora-A promotes distant metastases by inducing epithelial-to-mesenchymal transition in ERα+ breast cancer cells. Oncogene. 2013; doi:10.1038/onc.2012.628.
  12. Ingle JN, et al. Estrogens and their precursors in postmenopausal women with early breast cancer receiving anastrozole. Steroids. 2015; doi:10.1016/j.steroids.2014.08.007.
  13. Jayaraman S, et al. Endoxifen, an estrogen receptor targeted therapy: From bench to bedside. Endocrinology. 2021; doi:10.1210/endocr/bqab191.
  14. Goetz MP, et al. Tumor sequencing and patient-derived xenografts in the neoadjuvant treatment of breast cancer. Journal of the National Cancer Institute. 2017; doi:10.1093/jnci/djw306.
  15. Hu C, et al. Classification of BRCA2 variants of uncertain significance (VUS) using an ACMG/AMP model incorporating a homology-directed repair (HDR) functional assay. Clinical Cancer Research. 2022; doi:10.1158/1078-0432.CCR-22-0203.
  16. Couch FJ, et al. Associations between cancer predisposition testing panel genes and breast cancer. JAMA Oncology. 2017; doi:10.1001/jamaoncol.2017.0424.
  17. Precision medicine initiative cohort program biobank. NIH RePORTER. https://reporter.nih.gov/search/QPpHrqO3ekG7Z4TLi-I3RA/project-details/10489966. Accessed Nov. 15, 2023.
  18. Biobank. National Institutes of Health. https://allofus.nih.gov/funding-and-program-partners/biobank. Accessed Nov. 15, 2023.
  19. 13th conference invited speakers. International Society for Applied Biological Sciences. https://isabs.hr/13th-conference-invited-speakers. Accessed Nov. 15, 2023.
  20. Founding members. Pharmacogenomics Global Research Network. https://pgrn.org/founders. Accessed Nov. 15, 2023.
  21. Members. Personalized Medicine Coalition. https://www.personalizedmedicinecoalition.org/membership/current-members. Accessed Nov. 15, 2023.
  22. Electronic Medical Records and Genomics (eMERGE) Network. National Human Genome Research Institute. https://www.genome.gov/Funded-Programs-Projects/Electronic-Medical-Records-and-Genomics-Network-eMERGE. Accessed Nov. 15, 2023.
  23. Member institutions. Alliance for Clinical Trials in Oncology. https://www.allianceforclinicaltrialsinoncology.org/main/public/standard.xhtml?path=%2FPublic%2FInstitutions. Accessed Nov. 15, 2023.
  24. Fowler GC, et al., eds. Pfenninger and Fowler's Procedures for Primary Care. 4th ed. Elsevier; 2020. https://www.clinicalkey.com. Accessed May 10, 2024.