首先需要说明的是，FASCINATE-N研究为一项II期临床试验，其核心目标是探索理论上更具潜力的治疗药物，为后续III期临床试验验证其有效性奠定基础。该研究的开展遵循严谨的科学流程，主要分为两大关键环节：

其一，验证人工智能（AI）技术识别HR阳性/HER2阴性乳腺癌SNF分型的准确性与稳定性。前期研究中，我们通过多组学数据将Luminal型乳腺癌划分为四个不同亚型，但在真实临床场景中，多组学检测的推广应用仍存在限制。因此，本研究首先借助AI技术分析提示浸润性癌的免疫组化切片，证实通过AI分析可获得与多组学检测结果一致的SNF分型，解决了精准分型的临床可及性问题。

其二，基于SNF分型探索针对性新辅助治疗方案。近期我们团队已在Cancer Cell发表LINUX研究成果，该研究证实，对于晚期Luminal型乳腺癌患者，在CDK4/6抑制剂治疗失败后，基于SNF分型制定个体化治疗策略，仍能取得显著疗效。而FASCINATE-N研究将该分型体系进一步应用于新辅助治疗场景，根据SNF亚型特征设计针对性治疗方案：SNF 1（经典管腔）型为内分泌敏感型，采用内分泌治疗为基础的方案（ENDO-based）；SNF 2-4型均在传统治疗基础上联合特定靶向治疗（target-based）：SNF 2（免疫原）型需联合免疫治疗；SNF 3（增殖）型联合PARP抑制剂；SNF 4（RTK驱动）型联合受体酪氨酸激酶（RTK）抑制剂。

研究结果显示，HR阳性/HER2阴性队列中，对照组（单纯化疗）的病理完全缓解（pCR）率仅为4%；而经精准SNF分型指导治疗的试验组，pCR率较对照组提升了约3.5倍，达13.9%（P=0.026）；在部分具有特定特征的亚组中，pCR率更是高达19%。

目前，本研究相关数据正系统整理中，期待早日正式发表。后续将由邵志敏教授牵头开展前瞻性III期临床试验，在更大样本量中验证SNF分型指导下的治疗方案能否进一步提高pCR率，并最终转化为患者的长期预后获益。期待经III期研究证实其确切疗效与临床价值后，该治疗策略可向全国乃至全球范围推广。

FASCINATE-N作为一项平台型研究，核心围绕两大探索方向展开：一是为具有不同特征的乳腺癌患者筛选更优治疗策略，一旦筛选出潜在优势方案，将迅速启动III期临床试验进行验证；二是持续优化精准分型体系，并探索“新型精准分型+适配药物骨架”的协同治疗模式。

本次公布的Luminal型乳腺癌相关结果属于1.0版本，即基于第一代SNF亚分型，在化疗基础上联合不同靶向治疗。但肿瘤精准分型是动态发展的过程，目前的四分型体系并非终点，未来可能根据临床需求与研究数据进一步调整，以实现更精准的患者分层。

在治疗骨架药物方面，当前新辅助治疗仍以化疗为基础，而抗体药物偶联物（ADC）的临床应用逐渐成熟。因此，本中心在邵志敏教授牵头下，已开展更具前瞻性的研究，探索不同靶点的ADC药物作为治疗骨架，联合相应靶向治疗的可行性与疗效。

我非常期待FASCINATE-N研究能持续产出创新性研究结果，更希望未来这些研究成果能够切实转化为临床实践，为乳腺癌患者带来更精准、更有效的治疗选择，推动乳腺癌精准治疗领域的进一步发展。

编辑：Sophia

审校：李俊杰教授

排版：KIKI

执行：Ocean