癌症药物为什么有用，又为什么会失效？一门从零讲起的癌症生物学与新药开发课

从基因、免疫系统，到 mRNA 疫苗、ADC、双抗和细胞治疗，再到临床试验与估值。

读癌症新药的新闻时，我们经常看到这样的句子：某个药物让 T 细胞增加了，某个试验的肿瘤缓解率很高，某家公司找到了一个新靶点。

这些消息听上去都不错。但它们到底好在哪里？为什么有的药明明能激活免疫系统，最后却没能让患者获得明显好处？为什么同一个药在一种癌症里有效，换到另一种癌症就不行了？还有，为什么肿瘤一开始缩小，几个月后又长出来？

回答这些问题，需要把几件事连起来：癌细胞靠什么生长，身体为什么没把它清除，药物改变了其中哪一步，以及这种改变有没有真正帮助患者。

这篇文章按这个顺序展开。前面 24 节是知识基础，后面 8 个案例把知识放回具体问题里。第一次读，不必记住所有缩写；先理解每个角色在做什么，之后遇到论文和药物新闻，再回来查相应章节。

文中的真实研究会附原始来源。标为“教学案例”的患者设定、公司和数值是为了讲清推理而构建的假设，不是某款药的实际试验结果，也不是个体治疗方案。

第一部分：先理解癌细胞，再理解免疫系统

01｜癌症为什么和基因有关？

我们的身体由大量细胞组成。正常细胞并不会想分裂就分裂：它们要接收生长信号，检查 DNA 是否受损，也要在必要时停止增殖或死亡。维持这些秩序的，是一整套由基因和蛋白质参与的调控系统。

可以把 DNA 想成一份长期保存的说明书。细胞需要某种蛋白质时，会先把相应信息转录成 RNA，再按照 RNA 制造蛋白质。蛋白质则承担具体工作：有的接收外界信号，有的修复 DNA，有的控制细胞分裂。DNA → RNA → 蛋白质，是理解后文最基本的一条线。

如果这套信息发生变化，蛋白质的数量、结构或工作方式就可能改变。例如，一个促进生长的蛋白始终处于活跃状态，或一个负责阻止异常分裂的蛋白失去功能，细胞就可能逐渐摆脱正常约束。癌症通常涉及多个环节的变化，而不是一个突变就能解释全部过程。

这些变化也不只有“DNA 写错了一个字”。一段基因可能被复制很多份，导致蛋白过量；两个基因的片段可能被接到一起，形成融合基因；控制基因是否表达的调节方式也可能改变。

这里还要分清两个经常混淆的概念。体细胞变异是在身体某些细胞中出现的变化；胚系变异可能由父母传来，存在于身体许多细胞。因此，“癌症涉及遗传变化”并不意味着“癌症一定是家里遗传的”。肿瘤测序发现一个变异，也不能仅凭这一点判断它是否来自父母。NCI：癌症的基本机制

02｜癌基因与抑癌基因：一个让细胞往前走，一个帮助它停下来

先想象一辆车。车需要油门，也需要刹车。细胞也一样：既要有促进生长的系统，也要有控制生长的系统。

原癌基因本来是正常基因，参与生长和存活。如果某种变化让它的作用异常增强，它就可能成为推动癌症的癌基因，oncogene。EGFR、KRAS、BRAF、MYC 是常见例子。它们不是同一种蛋白，但都可能参与“继续生长”的信号。

例如，EGFR 位于细胞膜上，可以接收生长因子的信息。正常情况下，它在合适的刺激下启动，然后受到调节。某些 EGFR 变异会使这套信号异常活跃，相当于外面没有持续发出指令，细胞内部却一直收到“继续生长”的消息。

抑癌基因，tumor suppressor gene承担不同的约束工作。RB1 参与控制细胞能否进入下一轮分裂；TP53 参与细胞对损伤的应答，必要时推动停止分裂或死亡；PTEN 限制一条促进生长与存活的信号通路。它们失去功能后，细胞就少了一层约束。

这个比喻也解释了一个研发难点：让一个过度活跃的蛋白停下来，有时可以用抑制剂做到；但一个蛋白已经消失或坏掉，单纯再给一个“抑制剂”就解决不了问题。这时常要寻找它留下的弱点，例如修复系统受损后对另一条修复途径的依赖。

“油门”和“刹车”只是帮助入门。人体通常有两份同一基因，很多抑癌基因需要两份都受到影响才明显失去约束，也存在一份异常就能产生影响的情况。读具体变异时，仍要看它实际改变了什么功能。ACS：癌基因、抑癌基因和 DNA 修复基因

03｜Driver 和 passenger：肿瘤里发现的变化，不是每一个都在推动肿瘤

如果给肿瘤做测序，可能会发现很多变异。一个自然的想法是：既然都出现在癌细胞里，是不是每个都值得打？

不是。有些变化使细胞更容易生长、存活或逃避免疫，给这个细胞群带来优势，这类变化称为 driver，驱动变异。另一些变化只是随着细胞分裂被一起带下来，没有被证明在这个疾病背景下推动肿瘤，称为 passenger，乘客变异。

为什么这个区别重要？假设一座工厂主要依靠一台发电机运转。如果切断这台发电机，整个工厂可能停下来。但拆掉墙上一块没有功能的标牌，工厂照样工作。寻找 driver，往往是在寻找肿瘤真正依赖的东西。这种高度依赖某条生长通路的现象，叫癌基因依赖，oncogene addiction。

不过，“有用的靶点”不只有发电机一种。ADC 可以利用细胞表面的蛋白作为送药地址；这个蛋白即使不推动生长，也可能有递送价值。某个 passenger 产生的异常肽，如果能被免疫系统识别，也可能成为疫苗的目标。因此，靶点好不好，要结合你准备用什么药、让它做什么事。

肿瘤内部也不是所有细胞完全相同。一群细胞可能依赖原来的通路，另一小群已经学会使用别的通路。治疗清除前一群后，后一群就可能扩张。这叫克隆选择。“克隆”在这里指来自共同祖先、带有相近特征的一群细胞。耐药有时是少量原有细胞被筛选出来，有时涉及治疗过程中出现的新变化，不能只理解成药物突然失去了活性。

04｜新抗原是什么？为什么有突变，免疫系统却不一定看得见？

免疫系统不会直接阅读癌细胞的 DNA。它通常需要看到细胞展示出来的分子信息，才有机会判断这个细胞是否异常。

细胞内的蛋白会被不断制造、使用和分解。部分分解后的小片段叫肽段。如果一个突变改变了蛋白质结构，它产生的某些肽段也可能与正常细胞不同。当这种新的肽被展示并被免疫系统识别时，我们就可能得到一个新抗原，neoantigen。

注意，中间有好几步。首先，这个突变所在的基因要真的表达；其次，异常蛋白要被加工出合适的肽；然后，这个肽要能被患者的呈递分子带到细胞表面；最后，身体里还要有能够识别它的 T 细胞。任何一步没接上，测序报告上的“漂亮突变”都可能没有实际免疫价值。

这也解释了为什么疫苗设计不能只按照“预测结合最强”选抗原。预测模型给出的是候选，接下来还要看真实表达、真实呈递和 T 细胞反应。我们的免疫系统会在发育和日常调节中限制过度攻击自身的 T 细胞，这种免疫耐受也会影响哪些识别能力还保留着。一个肽看起来与正常肽不同，不代表一定能引发强反应。

再举一个覆盖范围的例子。如果一种新抗原出现在绝大多数癌细胞中，针对它的反应可能覆盖更多病灶；如果它只存在于某个很小的细胞分支，即使这一支被清除了，其他癌细胞仍可能继续生长。前者常称为克隆性新抗原，后者是亚克隆新抗原。实际还要考虑不同病灶的差异，以及肿瘤能否通过停止表达这个抗原来逃脱。

05｜MHC、HLA、CD4、CD8：把“展示”和“识别”分开，就容易懂了

先记住两个动作：癌细胞或免疫细胞把肽段展示出来，T 细胞用自己的受体去识别展示的内容。

负责展示的分子属于 MHC，主要组织相容性复合体。在人类，这套体系叫 HLA。你可以把 HLA 暂时想成细胞表面的展示架：架子本身很重要，放在上面的肽也很重要。不同人的 HLA 型别不同，能稳定展示的肽段也不完全一样。

MHC-I，也就是 HLA-I，通常展示来自细胞内部蛋白的肽。多数有核细胞都有这套系统。CD8 T 细胞通过 TCR——T 细胞受体——识别相应的肽与 HLA-I 组成的复合物。如果识别和激活条件合适，CD8 可以通过穿孔素、颗粒酶等方式杀伤目标细胞。

MHC-II，也就是 HLA-II，主要由专业抗原呈递细胞使用，通常把摄取和加工的抗原展示给 CD4 T 细胞。CD4 不是简单的“弱一些的 CD8”。其中一些亚群能帮助启动和维持免疫反应，支持 CD8 的功能与记忆；也有一类叫 Treg，主要承担免疫调节和抑制作用。

这里必须介绍一个关键角色：树突状细胞，DC。它们可以摄取肿瘤物质，把抗原带到适合启动免疫反应的地方，并提供“这值得认真应对”的额外信号。T 细胞仅仅看见抗原，不一定就能有效启动，还常需要这种共刺激。CD4 也能通过 CD40L–CD40 等信号帮助 DC 完成启动工作。

DC 还有一种重要能力叫交叉呈递：虽然抗原是从外面摄取的，它仍能把其中一些信息放到 MHC-I 上，去启动 CD8。这样，癌细胞不需要亲自跑到淋巴结，免疫系统也有机会获得它的信息。

06｜TMB、dMMR、MSI-H、B2M：它们分别回答什么问题？

这四个词经常出现在免疫治疗讨论里，但其实看的是不同环节。

TMB，肿瘤突变负荷，大致是在规定检测范围内数突变。常用单位 mut/Mb，意思是每百万个碱基中，按该检测规则统计到多少个体细胞突变。例如 10 mut/Mb 不是“10% 的 DNA 都突变了”，也不代表有 10 个一定能被识别的新抗原。不同检测范围和过滤规则，还可能影响结果。突变多，可能提供更多候选抗原，但后面的表达、呈递与识别仍要成立。NCI：TMB 定义

MMR，DNA 错配修复，像复制文件时的校对系统。DNA 复制会发生错配或小的插入缺失，MMR 帮助识别和纠正这些错误。MLH1、MSH2、MSH6、PMS2 是其中的重要蛋白。系统功能不足称为 dMMR。校对能力下降，错误就更容易积累。

微卫星是 DNA 中短序列连续重复的区域。在修复存在问题时，这些重复区域的长度可能变得不稳定。MSI-H就是高度微卫星不稳定。因此，dMMR 描述的是修复系统的状态，MSI-H 描述的是观察到的 DNA 表型。二者密切相关，但不是同一个检测：免疫组化可以看修复蛋白，PCR 或测序可以看序列变化，结果也可能不完全一致。

B2M，β2-微球蛋白则在更靠后的地方发挥作用：它帮助稳定经典 HLA-I。假设肿瘤突变很多，也表达了异常蛋白，但 HLA-I 展示出了问题，CD8 仍可能认不出它。患者研究曾发现 B2M 缺陷，以及影响干扰素反应的 JAK1/2 缺陷，与 PD-1 治疗后的获得性耐药有关。Zaretsky 等，2016

所以看这些指标时，顺序可以是：有没有潜在抗原，能不能展示，是否有能够识别的细胞。B2M 缺陷主要削弱相应的 HLA-I/CD8 路径，不代表所有免疫办法都失效；NK 细胞和直接识别表面抗原的疗法，使用的识别方式就不同。

第二部分：免疫细胞为什么经常“到了，也没打赢”？

07｜从启动免疫，到真正杀伤，中间还隔着一段路

现在把前面的角色连起来。肿瘤释放抗原，DC 摄取和呈递，T 细胞被启动并扩增，随后进入血液、到达肿瘤附近、穿过血管和间质，最后接触癌细胞并执行杀伤。这一系列过程常被称为癌症免疫循环。

为什么要把它拆得这么细？因为研发数据经常只展示其中一站。比如，疫苗后血液里的特异性 T 细胞增加了，这说明免疫启动可能有作用；但血液不是肿瘤。它们还要找到正确地点，进入癌细胞所在区域，认出目标，并在当地环境中持续工作。

如果研究团队只给你外周血数据，你最值得继续问的是：有没有肿瘤组织证据？增加的是哪些细胞？它们是否真的针对目标抗原，而不是一般性炎症？数量增加之后，肿瘤负荷有没有变化？

成功杀伤还可能释放更多肿瘤抗原，让免疫系统逐渐认识新的目标，这叫表位扩展。它有机会减少肿瘤只需丢掉一个抗原就能逃脱的风险。与此同时，一部分 T 细胞可能形成记忆，在以后再次遇到目标时更快反应。后面讲癌症疫苗和长期控制时，这两个概念会再次出现。

08｜热肿瘤和冷肿瘤，说的不是温度

“热肿瘤”通常指局部已经有免疫反应，能看到一定的 T 细胞进入和炎症信号。它的意思接近“免疫系统已经参与进来了”。但参与不等于有效：这些细胞可能已经疲惫，可能受到压制，也可能没有认准目标。

“冷肿瘤”是一个宽泛说法，至少要分两种情况。第一种叫 immune desert，免疫荒漠：缺少有效的 T 细胞反应。第二种叫 immune excluded，免疫排斥：T 细胞并不少，却主要停留在周围间质或肿瘤边缘，难以进入癌细胞聚集的区域，也就是癌巢。

这两种情况看起来都“打不动肿瘤”，原因却不同。前者可能需要先建立或启动反应；后者可能已经有反应，问题在于进入和局部生存。就像有人还没得到地址，有人已经到了楼下却进不了门，解决办法自然不一样。

这也帮助理解 PD-L1。T 细胞攻击时可分泌 IFN-γ，周围细胞接收到信号后，有时会增加 PD-L1。PD-L1 反过来限制 T 细胞，属于适应性免疫抵抗。因此，PD-L1 高可能既说明抑制存在，也说明免疫系统已经产生压力。不能看到它升高，就简单解释成治疗失败。

09｜CAF、TAM、MDSC、Treg：肿瘤周围都住着谁？

癌细胞并不是单独生活。它周围有免疫细胞、成纤维细胞、血管、各种信号分子和细胞外基质。这整个环境叫 TME，肿瘤微环境。

CAF，癌症相关成纤维细胞，可以生产胶原等基质。基质本来有维持结构、帮助修复的作用，但在某些肿瘤里，厚重的间质和相关信号会限制药物或免疫细胞进入。CAF 还可能通过 TGF-β、CXCL12 等影响局部细胞。理解它时，不要只想成一堵物理墙，它也在不断发出生物学指令。

TAM，肿瘤相关巨噬细胞，是处在肿瘤环境中的巨噬细胞。巨噬细胞原本就能吞噬、清理和调节组织反应，在不同环境下会表现出不同状态。有些 TAM 支持免疫识别，有些则更偏向组织修复、血管生成或免疫抑制。因此，看到 TAM 很多，要进一步看它们正在做什么。

MDSC，髓源抑制性细胞，是一组具有免疫抑制功能的髓系细胞。部分 MDSC 会消耗 T 细胞需要的精氨酸，或通过活性氧、氮相关分子干扰其功能。这里的“髓系”说的是细胞谱系，不是指肿瘤一定长在骨髓里。

Treg，调节性 T 细胞，属于免疫系统本来的调节装置。它帮助避免免疫反应失控和攻击自身，但在肿瘤里也可能抑制有用的抗肿瘤反应。减少这种抑制可能有好处，同时也要考虑全身免疫失控的代价。

这些角色之间相互影响，不能统一分成“好细胞”和“坏细胞”。例如，TGF-β、CAF 信号与 T 细胞排斥之间的研究，为联合治疗提供了重要线索；但观察到关联，还要用干预研究确认哪一步真正决定结果。Mariathasan 等，2018

10｜路不好走、氧气不够、营养不足，T 细胞也会失去战斗力

为什么肿瘤有很多血管，却仍然缺氧？因为血管多不代表血管工作得好。肿瘤血管可能结构紊乱、渗漏、灌注不均，血液并不能有效到达所有区域。

VEGF是一类重要的血管生成信号。抗 VEGF 或相关治疗，有时能改善异常血管的状态，让灌注和进入条件更合适，这常被称为血管正常化窗口。但如果把血管压得太厉害，也可能减少供应。目标应该是更有效的组织环境，而不是把某个指标降到最低。

细胞还需要“导航”。趋化因子帮助细胞决定往哪里移动。CXCL 是一类趋化因子的名称，不是一个单独的信号。CXCL9/10 与 CXCR3 的联系可参与效应 T 细胞募集；CXCL12–CXCR4 会影响细胞的局部定位和间质相互作用。相同词头，并不表示相同功能。

到了肿瘤里面，T 细胞还会遇到代谢问题：缺氧、酸性环境、乳酸积累、营养竞争，都可能影响它们的工作。某些细胞通过 CD39/CD73 参与产生腺苷，腺苷也可限制免疫功能。精氨酸被消耗过多，同样可能让 T 细胞难以维持反应。

所以，“给 T 细胞松开一个检查点刹车”只能解决一部分限制。如果道路、氧气和营养都存在问题，仅仅增强激活，未必能得到更强的持续杀伤。

第三部分：不同药物，究竟在解决哪一个问题？

11｜PD-1、PD-L1、CTLA-4、LAG-3、TIGIT 为什么不能混着理解？

免疫系统需要启动，也需要停止。否则一次感染结束后，免疫细胞可能继续损伤正常组织。免疫检查点就是其中一类调节机制。癌症可以利用这些调节，让本来可能攻击它的免疫细胞受到限制。

PD-1是 T 细胞等免疫细胞上的受体；PD-L1是它的一个结合伙伴，也叫配体，可出现在肿瘤细胞和免疫细胞上。两者结合后，可以减弱相应免疫信号。抗 PD-1 药物结合受体，抗 PD-L1 药物结合配体，都是为了阻断这类抑制联系。PD-1 还可结合 PD-L2，所以两种阻断方式并不完全等同。

常听到的 K 药 pembrolizumab 是抗 PD-1 药物，nivolumab 也属于这一类；atezolizumab、durvalumab 靶向 PD-L1。记药名之前，先记清它抓住的是哪一端。NCI：Pembrolizumab

CTLA-4更多地涉及免疫启动和调节。当 T 细胞识别抗原时，CD28 获得来自 CD80/CD86 的共刺激，有助于反应启动；CTLA-4 也能结合这些配体，并限制相应过程，还与 Treg 有关。“CTLA-4 帮助决定是否充分动员，PD-1 限制执行中的反应”可以帮助记忆，但两者实际作用有重叠。NCI：检查点抑制剂

LAG-3和 TIGIT也是免疫调节分子，但不能简单理解成另外两只完全相同的 PD-1 刹车。TIGIT 还涉及 T 细胞、NK 细胞，以及与 CD226 相关的配体竞争。在长期抗原刺激下，这些分子可能一起升高。问题是：它们是造成问题的重要原因，还是细胞已经受限时的一种表现？只有阻断实验和临床研究才能继续回答。

LAG-3 与 PD-1 联合在晚期黑色素瘤随机研究中有临床证据，但这份证据属于具体药物、组合和患者场景，不能直接转给所有新检查点。RELATIVITY-047 增强免疫也可能增加肺炎、肝炎、结肠炎等免疫相关不良反应，疗效和风险必须一起理解。

12｜mRNA 癌症疫苗：不是直接杀癌，而是让身体学会识别

治疗性癌症疫苗的目标，是帮助免疫系统认识肿瘤相关抗原。个体化 mRNA 疫苗进一步把目标放在某位患者的肿瘤特征上：先找出合适的新抗原，再把制造这些抗原的信息写进 mRNA。

一个典型流程是：获取肿瘤和正常样本，比较 DNA 变化，查看 RNA 是否表达，确定 HLA 型别，筛选候选抗原，设计并生产产品，最后完成质量检测。进入身体后，mRNA 被翻译为抗原，经过呈递，尝试启动对应的 T 细胞反应。

这意味着产品的难点有两部分。一部分是免疫学：选的抗原是否值得打，能否形成足够广、足够持久的 CD4/CD8 反应。另一部分是制造：样本够不够，算法和流程是否稳定，产品能否及时交到患者手里。一个理论上很好的方案，如果患者等不到它，也很难发挥价值。

为什么很多研究考虑手术后使用？因为手术切除了大块肿瘤，剩余疾病量可能较低，免疫系统有机会在肿瘤重新长大前控制残留。但这只是合理动机：有些患者本来就已被手术治愈，有些残留细胞可能特别擅长逃逸，必须通过对照研究判断额外治疗到底帮助了谁。

真实研究中，KEYNOTE-942 比较了高风险黑色素瘤切除后个体化 mRNA 疫苗加 pembrolizumab 与 pembrolizumab 单用，属于随机 IIb 期研究。胰腺癌也有早期个体化 RNA 疫苗探索。这些研究提供的证据层级不同，尤其不能把“产生免疫应答的患者结局更好”直接当成疫苗的因果疗效：能产生应答的人，本身也可能具有不同特征。KEYNOTE-942，Rojas 等，2023

13｜单抗和双抗：多一个结合端，究竟多解决了什么？

抗体可以识别特定分子。普通单克隆抗体可能阻断一个受体或配体，也可能通过抗体的 Fc 部分招来其他免疫作用。Fc 可以暂时理解为抗体与其他免疫细胞沟通的一部分结构。

双抗具有两种结合特异性。但“能抓两个东西”只是结构描述，真正用途可能完全不同。

第一类很直观：一端抓 T 细胞的 CD3，另一端抓癌细胞表面抗原，让两种细胞形成合适接触，促进杀伤。这相当于主动建立连接。常规表面靶点的 CD3 双抗通常不要求肿瘤用经典 HLA 展示目标；如果某个设计专门识别肽–HLA，则仍有 HLA 限制。

另一类，例如 PD-1 × VEGF，试图同时处理免疫抑制和血管／微环境问题。它不一定直接把 T 细胞牵到癌细胞旁边，而是在两个调节层面发挥作用。PD-1 × TGF-β 类设计，也要看具体分子如何实现结合和阻断。

那为什么不把两个单抗一起用？有时双抗结构可能带来更好的局部富集、更稳定的联合结合，或只在特定条件下明显激活。但这些优势需要验证。而且两个臂放在同一分子后，剂量比例不容易各自调整，一端需要加量时，另一端也可能被迫增加暴露。

对 CD3 双抗，还要特别关注 CRS，细胞因子释放综合征。免疫激活过强可能带来发热、低血压等全身反应。因此，结合得最强、体外杀伤最快，不一定是患者最能持续使用的设计。

14｜ADC：找到癌细胞之后，还得把药送到能工作的地方

ADC，抗体偶联药物，由抗体、连接子和载荷组成。抗体负责识别，连接子把载荷挂在抗体上，载荷是最终发挥细胞毒作用的小分子。可以把它看作一个有识别能力的递送系统，但“送到细胞表面”和“让有效药物到达作用位置”是两件事。

许多 ADC 结合细胞表面抗原后，会连同目标一起被细胞吞进去，这叫 internalization，内吞。进入细胞后，复合物还要经过不同的小囊泡和处理区域，这一段叫 trafficking，细胞内运输。如果顺利进入合适的溶酶体处理路线，就可能通过连接子裂解或抗体降解释放载荷；如果被回收到细胞表面，结果可能不同。具体产品也可能有细胞外释放等机制，不能拿一条路线概括全部 ADC。

DAR指药物与抗体的比值，常用于描述每个抗体平均连接多少载荷。挂得多，理论上能带进更多药；但也可能改变稳定性、聚集和清除方式，甚至增加正常组织暴露。所以不是越高越好。

某些载荷能穿过细胞膜。它从一个靶点较高的细胞中释放后，可能影响附近靶点较低的细胞，这叫旁观者效应。这有机会应对肿瘤内部表达不均的问题，也会让安全性更复杂：能扩散的药物不一定只停留在你希望它停留的地方。

ADC 的耐药也要沿着这条运输路线找：地址是否减少，内吞是否变差，溶酶体是否还正常处理，细胞是否增强外排，载荷的作用机制是否被绕开。T-DXd 在 HER2-low 晚期乳腺癌的随机研究是理解 ADC 临床价值的重要例子，同时提醒我们关注间质性肺病等风险。DESTINY-Breast04

15｜CAR-T 和 TCR-T：一个看表面，一个看展示出来的肽

这两种疗法都改造 T 细胞，但识别方式不同。

CAR-T给 T 细胞装上人工设计的受体。受体外侧通常识别癌细胞表面抗原，内侧通过 CD3ζ 等信号结构和共刺激部分推动激活。因为它直接看表面靶点，通常不依赖癌细胞的经典 HLA 呈递。

TCR-T则改造 T 细胞受体，使它识别某个特定肽–HLA 组合。它可以间接盯上来自细胞内蛋白的抗原，这是重要优势；代价是患者要有匹配的 HLA，目标肽还必须真实呈递。KRAS 突变位于细胞内，不适合由普通 CAR 直接识别，却可能通过肽–HLA 路径成为 TCR 的目标。

为什么实体瘤更难？一是可用表面靶点经常与正常组织重叠，T 细胞可能连正常细胞一起攻击；二是同一肿瘤中有的细胞表达高，有的低；三是改造细胞可能难以进入癌巢；四是进入后仍受微环境和长期刺激影响。制造、运输、预处理及输注后的管理，也都是疗法的一部分。NCI：T 细胞转移疗法

有人会设计“双条件才启动”的逻辑门，让细胞同时识别两个条件；也有人研究局部激活、调节亲和力和多靶点识别。理解这些工程方案时，始终问它到底解决了哪一个障碍。一个策略减少正常组织识别，并不一定同时解决进入肿瘤或长期持续性问题。

KRAS G12D 定向 TCR 在胰腺癌患者中的个案报告提供了真实的可行性线索，但个案不能告诉我们群体反应率有多高。Leidner 等，2022

16｜KRAS、MAPK、p-ERK：一条被切断后还可能重新接通的信号线

细胞接收到外部生长信号后，会通过一连串蛋白把信息传进去。一条经典路线是：受体 → RAS → RAF → MEK → ERK。它属于 MAPK 信号系统的一部分，最终影响细胞生长等行为。

KRAS 是 RAS 家族中的成员。它与 GTP、GDP 的结合状态有关，正常情况下会受到开关调节。某些突变让信号更难关闭。不同 KRAS 突变的结构和药物适配性不同，不能因为都叫 KRAS 就当成同一靶点。

p-ERK 中的 p 指磷酸化。磷酸化是细胞调节蛋白活性的一种方式，p-ERK 因而常被用来观察这条通路是否活跃。如果药后 p-ERK 下降，说明通路受到影响；如果之后反弹，说明信号可能重新活跃。

但这个读数像一盏“线路通了”的指示灯，不能直接指出电从哪条线进来。可能是药物结合位点改变了，可能 KRAS 数量增加了，也可能上游受体反馈、旁路或下游变化让信号恢复。还有一些耐药涉及细胞状态或组织学转变。患者研究已经观察到多种 KRAS G12C 抑制后的耐药机制。Awad 等，2021

癌细胞也不只有 MAPK 一条路线。PI3K–AKT–mTOR参与生长和代谢，PTEN 是限制它的因素之一；WNT/β-catenin在某些背景下与免疫排斥有关。透明细胞肾细胞癌，也就是 clear-cell RCC 中，VHL–HIF–VEGF的异常联系则能把遗传变化与缺氧信号、血管生成接起来。

这些通路同样可能影响免疫环境。靶向药有时让肿瘤更容易被识别，过于广泛的通路抑制也可能伤到 T 细胞。因此，抑制最深的方案，未必是最佳免疫联合伙伴。

17｜DDR、HRD 和 PARP：为什么修复能力差，反而可能成为弱点？

细胞复制 DNA 时会遇到损伤和障碍，需要检查、暂停、修复，必要时停止继续分裂。参与这一切的网络叫 DDR，DNA 损伤应答。

HR，同源重组修复，是一种利用同源模板修复 DNA 损伤的方式，可以暂时理解为“拿着相对可靠的参照件修复”。BRCA1、BRCA2 是其中的重要参与者。HR 功能不足称为 HRD。它可能由不同原因造成，不是所有 HRD 都来自 BRCA 变化，也不是任何 BRCA 变异都一定破坏修复。

PARP 蛋白参与处理 DNA 损伤。PARP 抑制剂既可能抑制相关催化活动，也可能让 PARP 蛋白滞留在 DNA 上，也就是 PARP trapping，给复制过程增加障碍。当细胞的 HR 修复已经不足，再增加这一层损伤压力，就可能超出它能承受的范围。

这叫合成致死：两种障碍各自存在时，细胞可能还能活；放在一起，就难以维持。它的吸引力在于肿瘤与正常组织可能存在不同的修复背景，从而提供一定选择性，但正常组织毒性仍需要实际评估。

为什么后来还会耐药？肿瘤有时通过回复突变恢复部分 BRCA 功能；有时增强复制叉保护，让正在复制的 DNA 更不容易被破坏；也可能增强药物外排。这里还有一个容易忽略的问题：某些 HRD 检测看到的是过去修复缺陷留下的“基因组疤痕”。疤痕还在，不代表今天的修复能力仍然一样差。

18｜DNA 损伤怎么连接到免疫系统？认识 cGAS–STING

正常情况下，DNA 主要位于细胞核等相应位置。如果细胞质里出现异常 DNA 信号，细胞可能把它当作需要响应的情况。

cGAS是一种感知 DNA 的分子。它接触到合适的胞质 DNA 后，可以产生 cGAMP；cGAMP 激活 STING，再通过下游信号推动产生某些炎症和干扰素反应。这里常说的是 I 型干扰素，例如 IFN-α、IFN-β。它们与前面 T/NK 细胞相关的 IFN-γ，也就是 II 型干扰素不同，画机制图时不能互换。

如果这些信号促进了 DC 激活和抗原呈递，就可能进一步帮助 T 细胞反应。于是人们提出一个很有吸引力的想法：某些 DNA 损伤药物不仅直接给肿瘤压力，还可能让它更容易引起免疫注意。

PARP 抑制与 STING 依赖免疫反应的联系，得到过 BRCA1 缺陷卵巢癌小鼠研究支持。Ding 等，2018 但从这里走到“PARP 加检查点药在人类一定更好”，仍然隔着很多条件：STING 是否完整，DC 是否能启动，T 细胞是否进入，肿瘤是否保留 HLA 呈递，抑制环境是否仍很强。

还要看信号发生在哪种细胞、持续多久。肿瘤细胞里的 STING 与宿主免疫细胞里的 STING 不能完全混同；短暂激活和长期慢性信号，也可能有不同结果。机制图的每个箭头，都代表一个需要核对的条件。

19｜CD47、CSF1R、CCR2：为什么清掉一些髓系细胞，还不够？

前面讲过，巨噬细胞既能吞噬，也能调节环境。针对这一层的药物，思路不止一种。

CD47–SIRPα可以理解成一条限制吞噬的联系。细胞表面的 CD47 与巨噬细胞上的 SIRPα 结合，有助于传递“先不要吞噬”的信号。阻断它，可能让吞噬更容易发生。但解除限制后，还常需要其他促吞噬信号配合，不是所有癌细胞都会自动被吃掉。

难点在于，正常红细胞也表达 CD47。某些阻断设计会影响红细胞的保护，可能产生贫血。这正好说明，靶点确实起作用，并不代表作用只发生在肿瘤上。不同分子和 Fc 设计的表现可以不同，不能把所有 CD47/SIRPα 药物视为一样。CD47 阻断的早期临床研究

CSF1R参与单核细胞和巨噬细胞的生存、分化。抑制它，可能减少或改变某些巨噬细胞群。CCL2–CCR2则涉及单核细胞从别处被招募过来的过程，阻断它更像是在减少某类细胞进入。

问题是肿瘤微环境会调整。减少一种细胞后，其他细胞可能补位，例如通过另一组趋化信号增加中性粒细胞相关抑制。这叫代偿：原来的限制减少了，总体限制却没有随之消失。

所以要区分清除细胞，depletion和改变状态，reprogramming。前者问数量少了多少，后者问它们是否更会吞噬、更能呈递、是否帮助了 T 细胞。真正希望看到的是功能和结局改善。哪种策略更好，需要放回具体疾病，而不是预先宣布“清除”或“重编程”永远优胜。

20｜PK/PD、治疗窗和联合：为什么作用越强，药不一定越好？

有的药在实验室里很强，进入人体后却表现一般。原因可能是浓度不够，也可能是药到不了正确地方，或者患者根本承受不了实验室所需的暴露。

PK，药代动力学，研究药物进入身体后如何分布、代谢和清除。PD，药效动力学或药效学，研究它造成了什么生物变化，例如受体占领、p-ERK 下降或某类细胞减少。前者更像“药去了哪里、停多久”，后者更像“到了以后做了什么”。

血液浓度充足，不代表肿瘤里能自由发挥作用的药物也充足。一次活检看到靶点被抑制，也不代表整个给药周期都被抑制。药效可能在给药后很好，接近下一次给药前又恢复。

治疗窗就是在“足以产生效果”和“毒性不可接受”之间，是否存在可操作的范围。假设一个药作用稍强，却让很多患者不得不减量或停药，实际获得的持续作用可能反而较少。因此，要一起看疗效、严重不良反应、减量、停药和生活质量，不能拿两个比例简单相除得到“好药分数”。

论文里的“≥3 级不良事件”通常是在说按相应分级达到较重或更严重的事件。还要区分全部不良事件和研究者判断与治疗相关的不良事件，二者统计口径不同。“严重不良事件”也可能是按住院、危及生命等标准定义的另一类术语，不能只看中文里都有“严重”就混为一谈。

联合治疗也要问增量值不值得。A 药和 B 药一起用，比 A 单独好，不一定证明它们有额外协同：也可能 A 帮助了一部分患者，B 帮助另一部分。严格的协同需要定义比较模型，临床开发则至少要证明相对合适对照，多出的获益足以解释多出的治疗负担。

第四部分：怎样读懂临床结果，再理解它的价值？

21｜Biomarker、ctDNA、MRD：先问这个指标在预测什么

Biomarker，生物标志物，可以是蛋白、DNA、RNA、细胞或影像特征。关键不只是测了什么，还在于准备用它回答什么问题。

预后标志物告诉我们谁的疾病风险更高。例如，术后仍检测到肿瘤来源 DNA 的患者，可能更容易复发。预测性标志物则问某个治疗相对对照的效应，是否因这个标志物不同而改变。它们不一样：一个人风险更高，不代表某药对他更敏感。药效学标志物则是在看药物给进去以后，生物学发生了什么变化。

以 PD-L1 为例，TPS 主要看肿瘤细胞中有多少比例染色阳性；CPS 还把规定类型的阳性免疫细胞纳入计数。检测方法、计分方式和阈值都要一起看，不能把不同试验里的“PD-L1 10”直接当成同一群患者。

ctDNA是血液游离 DNA 中来自肿瘤的部分。MRD指治疗后仍可能残留的微量疾病，在分子检测语境中也常说“分子残留病灶”。CT 上看不见，不意味着体内一颗癌细胞都没有；但 ctDNA 阴性同样不能保证残留为零。病灶释放少、检测下限和采血时点都可能造成漏检。克隆性造血——某些造血细胞带有并扩增的变异——还可能干扰肿瘤来源判断。

看一个教学例子：ctDNA 阳性组原本复发更多，阴性组复发较少，但治疗在两组的 HR 都是 0.70。那么标志物主要展示了预后区别，并没有显示更强的相对治疗效应。高风险组仍可能产生更多事件、获得更大的绝对获益，因此用于富集试验可能有价值；只是不能把价值说错。

如果要证明预测性差异，应关注交互作用，也就是正式比较治疗效应是否随标志物改变。“这一组显著，另一组不显著”不是同一回事，后者可能只是样本少、区间宽。还要看分析是否预设、查了多少亚组，以及有没有独立验证。ctDNA 清除是重要研究信号，但是否能代替复发或生存终点，需要具体用途下的验证。FDA：ctDNA 用于治愈意图实体瘤开发

22｜ORR、PFS、OS、HR：这些数字分别在说什么？

先分开三个问题：肿瘤有没有缩小，控制维持多久，患者活了多久。它们相关，但不能互相替代。

ORR，客观缓解率，是达到预设完全或部分缓解标准的患者比例。不是任意缩小一点就计入。CR，完全缓解，说明按相应标准看不到目标疾病表现，但不能直接等同于体内所有癌细胞消失。DoR，缓解持续时间，只在发生缓解的人中计算，看这次缓解维持多久。

PFS，无进展生存期，通常从预定起点算到疾病进展或死亡。OS，总生存期，算到全因死亡。术后没有可测量大病灶时，更常讨论 RFS／DFS等复发或疾病相关结局；DMFS关注远处转移等规定事件。它们是否计入死亡、新原发肿瘤等，要查具体方案。FDA：肿瘤试验终点

HR，风险比最容易被误读。它比较的是随访过程中、仍处在相应风险集中的患者的瞬时事件风险。在比例风险近似成立时，HR=0.70 可以说瞬时风险约低 30%。这不是“每个人多活 30%”，也不是“每个时间点都少 30% 的人复发”。如果曲线前期重叠、后期才分开，或相互交叉，一个平均 HR 还可能掩盖重要差异。

再区分“中位数”和“全部患者”。中位 PFS 是曲线上累计到相应比例发生事件时的时间摘要，不代表每个人都能获得这个长度的控制。DoR “尚未达到中位数”，可能因为缓解持久，也可能因为随访还短，两者要结合在险人数和观察时间判断。

删失也很重要。假设研究截止时，一位患者随访了 10 个月仍未进展，我们知道他至少维持了这些时间，却不知道此后发生什么。这不是“永不进展”。如果病情更差的人更容易失访，简单处理还可能使结果产生偏差。

95% 置信区间帮助表达估计的不确定性。对常见双侧 HR 分析，区间跨 1 意味着结果仍与无差异等可能性相容，不等于证明两组完全相同。p 值是在零假设及模型成立时，观察到当前或更极端统计结果的概率，不是“药物无效的概率”。

α控制第一类错误，也就是把原本无差异误判成有差异的风险。Power，统计功效，是在某个真实效应等假设下，试验有多大机会检出差异。它不是药物真的有效的概率。查很多终点或亚组，还涉及多重比较；因此，预设了什么、如何分配检验机会，往往比新闻标题里的单个 p 值更重要。

最后别漏掉患者感受。严重不良反应、症状、生活质量和治疗负担，是理解临床意义的一部分。不同终点回答不同问题，不应机械排成一条对所有癌症都适用的等级表。

23｜II 期到 III 期为什么常常“没有原来那么漂亮”？DMC 又在做什么？

II 期常用于寻找初步疗效信号，III 期通常要在更严格的设计中验证关键问题。真正影响可信度的是随机、对照、人群、终点和随访，不能只看阶段名称。

小规模试验更容易出现偶然的好结果。如果许多项目都在探索，人们最容易注意到表现最突出的那些；这些突出表现里，可能混有运气。之后换成更大的研究，估计就可能回到更接近真实效应的位置，这与赢家诅咒、回归均值有关。患者组成、对照治疗和评估方式变化，也会造成效应回落。

所以，II 期 HR=0.48，III 期 HR=0.63，并不自动表示失败。要看 III 期原先计划回答什么，是否按预设检验达标，以及留下来的获益是否值得相应风险。反过来，主要终点没达标，也不能只挑一个事后小亚组，直接当作已经验证的成功。

临床研究的信息量还取决于事件数。入组很多人，但只随访很短时间，复发或死亡事件很少，结果仍可能不稳定。更大试验也不是自动变成真实世界，它仍有入排标准和研究流程。

DMC，独立数据监查委员会，按章程查看相应数据并提出继续、修改或停止等建议。新闻里常说“DMC 建议试验继续且不修改”。这句话本身不等于药效很好：你要先知道委员会看了什么，是否进行了未盲疗效分析，有没有设置提前成功或无效性界值。

无效性分析，futility analysis，问继续做下去是否已很难达到目标。条件功效，conditional power，会利用已观察数据和对后续数据的假设，估算最终达标机会。假设不同，数字会不同。有些无效性规则是非约束性的，也就是即使满足规则，仍可能结合其他因素继续。提前成功则通常要跨越较严格的序贯检验界值，不能反复偷看数据直到某次 p<0.05。FDA：DMC 的建立与运行

免疫治疗还有一个长期问题：一部分患者可能形成持久控制，涉及记忆和具有自我更新能力的 T 细胞群；另一些 T 细胞长期受刺激后可能进入难以完全恢复的耗竭状态。长期生存曲线出现平台值得关注，但尾部人数很少、删失很多时要谨慎。“功能性治愈”需要长期、停药后持续控制等证据，不能仅靠 CR 或短期曲线宣布。

24｜临床证据怎样影响估值？为什么不能只看市值？

到这里，我们已经知道怎样评价一个药是否值得继续开发。下一步是：它可能给拥有它的公司带来多少价值？

先不急着看市值。药物的商业价值需要从患者出发：有多少患者符合适应症，其中多少能检测出相应标志物，多少有机会用到药，实际治疗多久，公司每位患者能获得多少净收入。还要考虑竞争、价格折扣、制造成本、销售支出和专利保护剩余时间。

所谓资产价值，主要是在估计这些未来净现金流今天值多少钱。未来的钱要折现，因为获得它需要等待，也存在风险。把不同结果情景的概率纳入，得到的常见框架是 rNPV，风险调整净现值。峰值销售额只是某一年可能卖多少钱，不是整个资产价值。

这里的成功概率，也就是 PoS，必须先说明指什么：主要终点成功、获批，还是达到商业目标？一项 III 期达到终点，未必意味着获得最宽标签；获批，也不保证达到最初销售预期。机制证据可以帮助更新判断，但不能把“机制评分 10 分”直接换成“80% 成功率”。

公司还可能只拥有部分权利。例如，只拥有某个地区，或拿销售提成，或与合作方分担成本并分利润。所谓“50% 权益”需要读具体合同，不能机械地把所有收入和成本都乘一半。如果风险或分成已经在现金流里扣过，再乘一次就会重复扣减。

再看市值和 EV，企业价值。在简化情况下：

EV ≈ 市值＋债务−现金。

它帮助我们先把现金和债务拆出来，看市场大致如何给经营资产定价。但现金也要支付后续试验，不会永远原封不动地留着。融资会增加现金，同时增加股数，估算每股价值时两边都要处理。

因此，一个市值更小的公司，不一定更便宜；一个临床证据更好的药，也不一定对应更高的每股增量。需要把证据、权利、未来支出和资本结构一起看。下面最后一个案例会把这几步真正算一遍。

第五部分：八个完整案例，把知识用起来

以下案例均为教学情境。比较项目时，除明确讨论的因素外，先假设患者、随访与检测条件尽量可比；现实中若来自不同研究，不能把表格数字直接当成头对头结果。

案例 1｜两种 mRNA 疫苗：T 细胞增加最多的那个，为什么不一定更好？

先交代背景

一家团队正在研究个体化 mRNA 癌症疫苗。为了先验证它能否启动免疫并到达肿瘤，团队在一个允许治疗前后取样的短期术前研究中比较两种抗原设计。两组都在计划时间手术，不因研究任意延迟标准治疗。这个阶段最想弄清楚的是：疫苗制造出的反应，有没有进入肿瘤并接上后续作用。

之后若证据支持，团队计划开展术后辅助随机研究，比较在标准治疗基础上加疫苗，是否降低复发风险。术前看得到组织，术后关注复发，这是两个有关联、但不能混成同一个终点的阶段。

看到的数据

如果只看第一行，A 很抢眼。但第一行回答的是“在血液里扩增了多少”，不是“癌细胞被清除了多少”。

一步步怎么想？

先确认 A 的免疫检测是否可靠。如果确实是针对目标抗原的 T 细胞增加，那么 A 不是完全没作用，它可能已经完成了启动。但这些细胞可能缺少合适迁移能力，或在肿瘤边缘被拦住，也可能进入后无法持续工作。下一步应该定位断在哪里，而不是只想办法把扩增倍数从 12 提高到 20。

B 的优势是多站证据能接起来：血液里产生了反应，组织里看见它进入，分子疾病信号也朝同一方向变化。CD4 和持续性线索还提示反应可能不只是短暂高峰。不过 ctDNA 会受病灶释放和取样时点影响，不能单靠下降证明临床获益。

因此，在这组假设下，B 更值得进入下一步验证。术后研究应使用合适对照和复发终点；如果术后没有可测量病灶，就不能靠 ORR 评价预防复发效果。

为什么不能直接外推到所有癌症？

黑色素瘤、吸烟相关肺癌、肾细胞癌、胰腺癌的抗原、血管和间质背景不同。胰腺癌中厚重间质和髓系限制可能使“启动以后能不能进去”格外关键。一个癌种里完成了这条链，换癌种后仍要重新验证，而不是照搬成功率。KEYNOTE-942 和胰腺癌早期 RNA 疫苗研究可以作为两种不同临床情境的延伸阅读，不能视为同一证据层级。

案例 2｜PD-1 × VEGF 双抗：为什么反应率更高，还不能急着下结论？

先交代背景

团队研究一类具有两种结合特异性的药物：一部分阻断 PD-1 相关抑制，另一部分影响 VEGF 相关作用。教学场景是晚期非小细胞肺癌，患者存在可测量病灶，肿瘤中已有一些 T 细胞，但血管异常和局部进入限制也比较明显。

团队的想法是：如果只解除免疫抑制，细胞仍可能进不去；如果同时改善血管与环境，或许能让原有反应更好发挥。这是合理假设，但还不是临床结论。

两个候选设计给出不同结果

这些数字用于练习，假设来自足够可比的研究条件；不能脱离样本量和区间判断真实优劣。我们也暂时没有成熟的随机生存比较。

先别把问题缩成“68 比 58 大”

A 让更多患者达到缓解标准，这是价值。但 B 的缓解持续时间更长，如果随访充分，可能意味着它在发生缓解的人中更能维持控制。DoR 只在应答者中计算，两组应答者本身也可能不同，因此不能拿 16 除以 8，直接宣布所有患者的获益翻倍。

安全性也会影响实际使用。更高的严重高血压可能导致额外管理、减量或停药。假设 A 在早期作用较强，却无法维持足够给药，持续控制就可能受损。B 的早期反应略少，但更可持续，这种设计可能值得优先研究。

接下来需要随机对照下的 PFS、OS、症状和生活质量，才能判断总体净获益。还要看出血、蛋白尿等具体风险，而不是只挑表格中一项不良反应。

双抗结构本身有没有价值，怎么证明？

即使它优于单用抗 PD-1，也只能先说明“增加了这个干预后有增量”。如果想说“做成一个双抗，比两个单抗一起用更好”，还需要适当的对照或其他支持证据，例如肿瘤暴露、空间作用和治疗窗。两个问题不要混着回答。

案例 3｜ADC：明明 HER2 染色都差不多，为什么一个肿瘤缩了，另一个没有？

先交代背景

假设两组肿瘤样本的 HER2 表达相近，团队准备研究一个依赖内吞和细胞内处理释放载荷的 HER2 ADC。HER2 在这里既可以有自身生物学作用，也被用作递送地址。我们暂时只问递送路线能不能完成。

研究发现，A 样本结合 ADC 后，较多复合物进入细胞，并沿着有效处理路线释放载荷；B 样本也能结合，却有较多复合物被回收回表面，细胞内有效载荷较少。

为什么“表达一样”不能保证药效一样？

染色主要告诉我们某种蛋白是否存在、分布如何。它不能自动告诉我们，蛋白结合抗体以后会不会被吞进去、进去后被送到哪里、载荷是否释放，以及释放后有没有被细胞排出去。

你可以把过程分成“找到地址、进门、运输、拆包、起效”。两组可能都找到了地址，但 B 在运输环节没有顺利完成。因此，再提高抗体结合能力，不一定解决真正问题；如果复合物始终走错路线，抓得更紧也可能仍然递送不足。

如果治疗后耐药，下一步怎么分？

假设 A 组早期有效，后来进展。第一次复查发现 HER2 明显下降，而载荷敏感性仍保留。此时更换一个仍依赖相同 HER2 的 ADC，可能继续受到地址不足限制；寻找其他可用表面抗原，是一种值得研究的方向。

另一种情况是 HER2 仍在，内吞也正常，但细胞对这类载荷不再敏感。这时单纯换抗体地址、保留同类载荷，可能出现交叉耐药。研究重点更应转向载荷机制、外排与 DNA 损伤处理等因素。

旁观者效应可能帮助处理部分低表达邻近细胞，却不能保证跨过所有障碍。它受载荷扩散、空间距离和局部条件影响，也可能增加非目标组织风险。DESTINY-Breast04 提供了 ADC 在 HER2-low 人群中的真实临床例子，但我们的运输案例是教学推演，不是对该试验患者机制的逐一解释。

案例 4｜CAR-T 与 TCR-T：覆盖 95% 和覆盖 20%，该怎么比较？

先交代背景

一家细胞治疗团队有两条研发路线。A 路线用 CAR-T 识别实体瘤表面蛋白；B 路线用 TCR-T 识别来自某个 KRAS 突变的肽–HLA。团队资源有限，需要决定下一步重点验证什么。

教学设定中，A 的靶点在 95% 的目标肿瘤样本里可检测到，但正常组织也有低水平表达。B 的目标更特异，却要求患者同时有相应突变、匹配 HLA 和足够呈递，最终约 20% 筛查者符合要求。这些比例是完整条件筛查后的假设值，不是任意把几个独立概率相乘的结果。

为什么不能只选 95%？

因为 CAR-T 是会激活、扩增并可能持续存在的细胞。正常组织即使“表达低”，也不代表一定低于攻击阈值。如果关键器官发生不可接受损伤，再大的覆盖人群也无法让产品变得可用。

因此，A 的下一步不是先把市场规模算得更大，而是认真验证正常组织表达的空间分布、目标密度与激活阈值。在适当模型和试验中，研究亲和力调整、双条件逻辑或局部激活，是否真的把肿瘤与正常组织区分开。

为什么也不能因为 B 特异，就宣布 B 必胜？

B 的 HLA 限制会缩小人群，检测和筛查也会增加操作难度。更重要的是，有突变不等于有足够肽–HLA。肿瘤还能通过减少抗原或 HLA 呈递逃逸。即使识别成立，B 仍要面对进入肿瘤、局部抑制和持续性问题。

所以选择要先看各自最接近“不可用”的障碍是什么。A 如果正常组织风险无法控制，应该停止或重设计；B 如果缺少真实呈递，也不该仅凭突变特异性推进。只有在疗效与治疗窗可行后，覆盖率、制造成功率、周转时间和成本才有机会转化为规模优势。

这个案例没有只凭两行资料就能确定的冠军。它训练的是：先问产品能否安全有效工作，再问它能服务多少人。

案例 5｜KRAS 药后 p-ERK 反弹：是加量，还是先找原因？

先交代背景

假设一个 KRAS G12C 定向项目在晚期肺癌研究中，部分患者早期病灶缩小，治疗后活检也看到 p-ERK 下降。数月后，一名患者出现进展，新的组织样本中 p-ERK 再次升高。

团队面前有一个很诱人的解释：药物原先能压住通路，现在压不住了，是不是加大剂量就行？

先拆成三个问题

第一，药有没有到位？检查依从性、给药中断、药物相互作用、血液和肿瘤暴露，排除有效浓度不足。这个问题属于 PK，也要结合取样相对给药的时间。

第二，靶点还是否以原来的方式被药控制？如果出现影响结合的二次变化，即使浓度足够，药也可能难以有效作用。此时需要新一代结构或其他策略，而不是默认加量一定能克服。

第三，通路是不是从别处重新接通？上游受体、RAS 相关变化、旁路或下游节点都可能恢复信号。p-ERK 是末端读数，同样的反弹可以由不同原因造成。

组织和 ctDNA 各能帮什么？

ctDNA 可以帮助观察可检测到的分子变化，并有机会反映多个病灶的释放信息，但低释放病灶可能漏掉。组织活检可以看局部蛋白、细胞状态甚至组织学转变，却只代表取到的部位。二者互补，不能指望一个检测回答所有问题。

如果发现明确旁路，机制匹配的组合值得研究。但组合还要证明毒性可接受：MAPK 不只存在于癌细胞，正常组织和免疫细胞也使用相关通路。更深抑制可能同时减少有用的 T 细胞功能。

患者研究表明 KRAS G12C 耐药确实多样。Awad 等，2021 这个案例要建立的习惯是：把反弹当作寻找原因的线索，而不是直接把它翻译成“剂量不够”。

案例 6｜PARP 加免疫：前面的指标都变好了，为什么最后仍可能打不动？

先交代背景

团队在研究 HRD 肿瘤中的 PARP 抑制剂与 PD-1 阻断联合。希望 PARP 增加损伤压力，也帮助激活免疫；PD-1 阻断再缓解部分免疫抑制。

假设两组模型或早期样本的基线 HRD 特征相近，治疗后都观察到 DNA 损伤增加和 STING 相关信号。接下来出现不同情况：

B 到底卡在哪里？

前面的变化可以是真实的：药造成了损伤，先天免疫信号起来了，甚至更多 CD8 已经到场。但 CD8 要用 TCR 识别对应肽–HLA-I。如果肿瘤没有把目标信息有效展示出来，它们就可能难以对准癌细胞。

这好比已经完成通知、动员和到达，最后身份核对却无法进行。继续把上游 STING 信号提高，不一定补得上呈递这个缺口；解除 PD-1 抑制，也不能直接重新制造缺失的 B2M。

不过，不能由此说 PARP 对 B 完全无效。它仍可能通过 DNA 损伤产生直接细胞毒作用。我们在这里质疑的是“依赖 CD8 识别的额外免疫收益”，需要与 PARP 自身作用分开。

如果 HLA 完整，联合就够了吗？

也不一定。假如另一组样本 HLA 完整，但 MDSC、TGF-β 和代谢限制很强，CD8 到场后仍可能无法充分工作。这时可以提出新的干预假设，却不能看到一个抑制指标就不断加药。每多加一项，都要证明增量贡献与可接受毒性。

这个案例解释了为什么机制图看起来很顺，临床却可能失败：每一层都在问不同问题，而最前面几层成功，不能代替最后的识别和持续控制。

案例 7｜TAM 减少 80%：为什么这还不是“抗肿瘤效果很好”？

先交代背景

一家团队针对髓系细胞丰富的胰腺癌微环境开发药物。研究取样发现很多 TAM 和 MDSC，团队推测它们限制了 T 细胞。因此设计 A 偏向减少部分 TAM，设计 B 更偏向改变巨噬细胞功能。

两者给出下面的教学数据：

A 是否证明药物打中了生物学？

很可能证明了某种干预作用，但要核对检测和取样。TAM 确实减少，是药效证据；然而，“细胞减少”与“患者受益”之间还隔着功能、疾病负荷和临床结局。

为什么数量下降后没有变化？一种可能是被清除的并非最关键抑制群；另一种可能是其他髓系细胞补位；也可能同时减少了有帮助的呈递功能。还有一种更根本的解释：TAM 多与疾病严重相关，却不是这个项目里最主要的因果限制。

B 的结果更接近希望发生的功能改变，因此值得继续验证。但 ctDNA 的早期下降也不等于已经证明更长生存。最终仍要看足够可靠的对照、控制持续时间和安全性。

再把 CD47 的安全性加进来

假如另一个方案吞噬增强得更明显，却同时导致较多严重贫血和输血需求，就需要问它是否把作用过多放在了正常红细胞上。较温和、但能在肿瘤内持续发挥作用的设计，可能有更宽的治疗窗。

这个案例的重点不是宣布重编程永远优于清除，而是训练比较方法：数量是一个读数，功能是一组读数，患者结局又是另一组。不要把最醒目的那一项，当成整套治疗已经成功。

案例 8｜从 II 期信号到 III 期结果，再走到估值

第一步：先理解项目在治疗谁

假设公司 Z 开发一个 PD-1 × TGF-β 类项目，目标是既往治疗后进展的转移性非小细胞肺癌。这里的“二线”是已经接受过一线治疗后，再使用的下一阶段方案。团队认为部分患者的主要困难是 TGF-β 相关间质和免疫排斥。

一项随机 II 期中，研究预先定义了 TGF-β-high 与 low 亚组。教学结果是 high 组 PFS HR=0.48，low 组 HR=0.91，交互作用 p=0.02。high 组样本只有 85 人。

这比事后翻几十个亚组才找到一个亮点更有说服力，但还不是标志物已经被完美验证。仍要问：定义是否稳定，检测是否可复现，是否处理多重比较，两个亚组是否有足够信息，独立样本能否重复。

第二步：下一项 III 期招谁，按多大效果设计？

公司可以研究所有患者，也可以先富集 high 组。后者可能有更强机制匹配和更高效率，但会增加筛查、缩窄适用人群。小公司现金有限时，这些取舍尤其现实。

即使选择 high 组，也不该直接把 HR=0.48 当作必然真值。85 人的小样本估计可能混有运气，扩大后也可能遇到不同患者和更稳定的对照结果。团队可以把 0.60、0.65 等作为教学情景，检验所需事件和设计承受能力；它们是设定，不是所有项目通用的回落规律。

假设 DMC 中途建议继续。这个消息不改变我们阅读最终数据的原则：它并没有告诉外界 HR 是多少，更没有提前证明项目成功。

第三步：III 期数据出来了

假设研究在预设 high 人群中进行随机比较，以 PFS 为唯一主要终点，按原计划完成检验，相关多重性问题已妥善处理：

先看主要问题：PFS 按预设检验成功。HR 从 0.48 变成 0.63，说明 III 期观察到的效应小于 II 期估计，但不推翻本次检验。

再看大小：中位 PFS 相差 3.6 个月，ORR 相差 14 个百分点，这有助于具体理解变化；但不能把中位数差说成每位患者都多了 3.6 个月。DoR 方向也支持控制更持久，同时要记得它只在应答者中计算。

OS 的区间跨 1，不能宣布已经延长总生存，也不能因为尚未显著就说已证明无差异。我们需要继续随访，并关注是否出现不利方向。安全性则显示明确额外负担：严重不良事件和停药比例都更高，必须结合事件性质、管理难度、生活质量和现有替代方案。

因此，准确表述是：主要 PFS 终点成功，其他疗效读数支持同一方向；总生存获益尚未确立，净临床价值还要结合毒性和更成熟数据。 这比“全面大胜”或“因为 OS 不显著所以失败”都更接近数据本身。

第四步：同样有潜在药物价值，为什么公司估值还不同？

现在换成两家教学公司，先假设无债务，暂不计其他资产：

X 的市值是 Y 的两倍，但拆掉现金后，两者简化 EV 很接近。这说明只看市值，可能把现金和经营资产混在一起。

接下来，X 的证据更有利，拥有权益更多，资金压力相对小，这些条件会影响风险与未来归属现金流。但它们仍不足以算出合理股价。还要知道药物适用人数、竞争格局、净价格、商业化成本、后续研发支出和专利期。X 的现金也将被试验消耗，不能一边把完成试验的成本遗漏，一边把全部现金当作永久额外价值。

第五步：把收入、成本和时间真正放进模型

例如，一个纯教学情景假设某年可触达患者 10,000 人，实际采用比例 20%，每位患者净收入 5 万美元，那么这一年的收入是 1 亿美元。这还没扣制造、销售和其他成本，也不等于资产价值。

之后需要按年份估算收入与支出，考虑成功和失败情景，以及现金流出现的时间，再进行概率加权和折现。若融资增加了现金，也要同步更新股数。这样，临床证据才通过“适用人群与效应可信度—未来使用—净现金流—权利归属”进入估值，而不是把一个好看的 HR 直接换成目标市值。

读完以后，试着独立回答这些问题

1. 肿瘤突变很多，但 B2M 缺失，免疫识别可能卡在哪？
2. 一个不推动生长的表面蛋白，为什么仍可能是 ADC 靶点？
3. 血液 T 细胞增加之后，你还想看到哪些证据？
4. ctDNA 阳性者风险更高，为什么不能直接说某疫苗对他们更敏感？
5. p-ERK 反弹后，为什么先检查原因比直接加量更重要？
6. III 期 PFS 达标、OS 不成熟、毒性增加，应该怎样完整描述？
7. 两家公司市值不同，为什么简化 EV 可能差不多？

答案不必背成标准句。只要能说清楚“这条数据证明了什么、还没有证明什么、下一步怎么验证”，就已经开始用药物开发的方式理解问题了。

癌症药物最值得认真看的地方，往往就在两项证据之间：突变如何变成依赖，免疫启动如何变成杀伤，病灶变化如何变成长期获益。把这些连接一段段弄清楚，读到新的药物和试验时，就更容易知道应该相信什么，以及还需要等待什么。