综述：肢端肥大症个体化医疗的进展——来自ACROFAST临床试验的启示

　　这篇综述系统阐述了肢端肥大症（acromegaly）个体化医疗的最新进展，重点探讨了手术和药物治疗反应的预测标志物。通过ACROFAST临床试验数据，论证了结合分子分型（如SSTR2表达）、影像组学和人工智能（AI）算法可显著提高生化缓解率，突破传统一线生长抑素受体配体（fgSRLs）试错疗法的局限，为临床实践提供精准诊疗范式。

　　

ABSTRACT

肢端肥大症的治疗策略正经历从经验性用药向精准医疗的范式转变。传统一线生长抑素受体配体（first-generation somatostatin receptor ligands, fgSRLs）的试错疗法虽仍被指南推荐，但存在缓解率低、起效慢的缺陷。

Introduction

随着肿瘤分子分型技术和影像组学的进步，基于生物标志物的个体化方案展现出显著优势。ACROFAST试验证实，通过术前评估生长抑素受体亚型2（SSTR₂）表达水平，可预测患者对fgSRLs的敏感性，使生化控制率提升40%，中位达标时间缩短至6个月。

Areas covered

关键突破体现在三方面：

1. 1.

   手术预后预测：MRI纹理分析联合SSTR₅甲基化状态可预判肿瘤侵袭性；

2. 2.

   药物响应标志物：循环肿瘤DNA（ctDNA）中GNAS突变负荷与帕瑞肽（pasireotide）疗效呈正相关；

3. 3.

   动态监测体系：18F-FDG PET/CT代谢参数可实时评估治疗应答。

Expert opinion

未来方向聚焦多模态数据整合：

• •

  机器学习模型通过融合基因组（如AIP突变）、蛋白质组（IGF-1异构体）和临床参数，可提前6个月预测复发风险；

• •

  基于ACROFAST构建的决策树模型，使二线药物选择准确率达89%，显著降低治疗成本。这些进展正推动肢端肥大症进入"量体裁衣"的治疗新时代。