2025 年 3 月 1 日，由广东省医学科学院 & 广东省人民医院、广东省肺癌研究所、广东省临床试验协会/中国胸部肿瘤研究协作组、广东省抗癌协会肺癌专业委员会、广东省医学会肺部肿瘤学分会联合主办的的
「第 22 届中国肺癌高峰论坛」
在
广州
召开。本届论坛聚焦肺癌新型治疗策略的临床转化与技术创新，围绕抗体药物偶联物（ADC）药物、生物标志物及人工智能（AI）等热点展开深度探讨。
值此契机，医学界联合多家媒体特邀
广东省人民医院肿瘤医院周清教授
，系统解读
肺癌临床研究设计的革新方向、ADC 药物的进阶策略及 AI 技术在精准治疗中的突破性应用。
临床研究设计：前瞻性对照与生物标志物，化解研究滞后难题
在本届肺癌高峰论坛上，领域内专家大咖们围绕「肺癌新型治疗的机遇和挑战」进行了热烈讨论。诚然，肺癌治疗领域发展迅猛，新型疗法层出不穷，
但传统临床研究设计常因对照组选择滞后或入组患者泛化导致结果脱离实际。
对此，周清教授强调：「首先，临床研究必须基于『前瞻性标准』，
即对照组应选择当前最优治疗方案
，而非传统认知中的标准治疗方案。」周清教授举例说明，肺癌治疗发展迅速，新型药物、治疗手段日新月异，若一项研究在设计时仍以 5 年前的标准化疗作为对照，即便试验药物显示出优势，其结论可能已无法匹配当前实际临床需求，甚至沦为「落伍成果」。
此外，
精准人群分层是提升疗效的关键
。周清教授认为：「若未明确适用人群，即便整体疗效提升，也难以回答『谁真正获益』这一核心问题。」在进行研究设计时，应通过基因突变谱（如 EGFR、ALK）、蛋白表达特征（如 PD-L1）或液体活检动态监测，精准筛选入组人群，从而适应肺癌精准治疗发展趋势，明确药物适用人群，避免疗效被「稀释」。总的说来，这种精细化分层不仅助力患者获益最大化，也为后续联合治疗策略的探索奠定科学基础。
ADC 药物：精准分层与毒性管理，疗效安全双管齐下
ADC 药物凭借「靶向化疗」机制成为肺癌治疗新星，但其毒性问题仍是临床应用的主要障碍。周清教授指出：
「ADC 的研发需双管齐下，既要精准锁定人群，也要优化毒性管理。」
周清教授强调，
患者人群的精准分层至关重要
，可通过结合传统驱动基因（如 EGFR）与新型靶点（如 HER3、TROP2），构建复合生物标志物体系。例如 HER3 高表达且 EGFR 耐药患者，可探索 HER3 靶向 ADC 联合奥希替尼的逆转耐药策略；TROP2 阳性且 PD-L1 低表达人群，则利用 ADC 药物弥补免疫治疗疗效不足的缺陷。「未来的 ADC 临床试验应像『拼图游戏』，通过标志物组合明确最佳适用人群。」周清教授表示。
此外，随着 ADC 药物在临床广泛应用，
对 ADC 不良反应的正确认识和规范化管理十分重要
。随着对 ADC 毒性谱认知的不断深入，未来可以针对 ADC 药物安全性采取一些优化策略。如利用双特异性抗体技术增强 ADC 对肿瘤细胞的靶向性，减少不良反应；通过连接子技术的创新，实现细胞毒载荷与抗体的特异性结合，优化药物动力学并降低脱靶效应等。
期待未来通过 ADC 药物安全性的优化策略，进一步平衡患者获益与风险，从而最大程度造福于肺癌患者。
肺癌的高度异质性与海量多组学数据为精准治疗带来挑战，AI 技术正成为破局的重要工具。周清教授表示：「智能 AI 工具在临床决策中的辅助作用，是近来广受学界关注的话题。AI 的价值不仅是加速药物研发，辅助药物筛选，更在于
将复杂数据转化为可执行的临床决策
。因此，在设置本届肺高峰论坛日程时，我们也专门设立了话题讨论 AI 在肿瘤学中的应用。」
当单一生物标志物无法满足复杂分型需求时，AI 可通过整合多组学数据（如基因组、影像组、病理组），构建动态预测模型，为患者匹配最优治疗方案。但与此同时，周清教授提醒到：「
我们需要清晰地认知到，AI 是工具，而非决策者，其结论需经临床经验验证
。未来的挑战在于如何将海量数据转化为可操作的临床指南。如何通过 AI 进行治疗决策上的选择，以及如何通过 AI 技术克服肿瘤的异质性，从单一的肿瘤切片或部分肿瘤细胞扩大到整个人体各部位的生物标志物综合组合，都是未来需要探索的方向。」
肺癌诊疗正经历从「千人一方」到「个体化定制」的深刻变革。未来，随着跨学科技术的突破，临床医生有望为患者提供更高效、更安全的治疗方案。为推动肺癌精准治疗迈向「量体裁衣」的新时代，
周清教授强调：「我们不仅要追求长期生存，更要让患者拥有高质量的生活，真正实现『生存延长与生活质量提升』的双重目标。」
