专访西安交通大学第一附属医院郭卉教授：肿瘤数智力医学，从力学表型到临床决策 | CCTB 2026
时间：2026-05-08 20:58:29 热度：37.1℃ 作者：网络
肿瘤数智力医学作为融合生物力学、多组学与人工智能的前沿交叉领域，正在重新定义肿瘤精准诊疗的边界。它将肿瘤的物理力学特征纳入诊疗评估体系，突破了传统病理与分子检测仅关注生化与免疫指标的单一视角。从力学表型的高通量量化到多模态融合的临床决策模型，这一新兴技术正加速从科研探索走向临床应用。
4月24~26日，2026 年 CACA 肿瘤标志物学术大会暨整合肿瘤学学术会议暨肿瘤标志物青年科学家大会暨肿瘤标志物产业创新大会（CCTB ）在成都隆重召开。会议期间，梅斯医学特邀西安交通大学第一附属医院郭卉教授进行专访，深入探讨肿瘤数字力学这一前沿交叉领域的发展现状、临床转化路径以及未来前景。
梅斯医学：肿瘤力学表型已被证实与侵袭转移、治疗耐药密切相关，数智技术如何实现力学参数的高通量量化与多模态融合，弥补传统病理与分子检测的信息缺口？
郭卉教授：传统肿瘤免疫治疗精准诊断体系主要依赖 PD-L1、CD8 阳性 T 细胞、TMB 等经典免疫标志物，但这些单一指标普遍存在效能不足的问题。以 PD-L1 为例，其对免疫治疗响应的预测效能仅约 50%，导致大量患者出现原发性耐药，这凸显了现有诊断标志物体系的局限性。
我们团队提出将传统单一的免疫诊断视角拓展为免疫力学多维视角，通过数智技术破解力学参数量化与多组学融合的难题。在大数据与多模态时代，单一组学指标已无法全面反映肿瘤的复杂生物学特性，需要整合病理组学、影像组学、转录组学等多维度数据。但普通临床医生面临着数据对齐、特征提取与整合的巨大挑战，而人工智能技术正是解决这一问题的核心工具。
人工智能能够高效提取并融合多种免疫特征与力学特征，进一步打通分子尺度的转录组学、细胞尺度的病理组学以及组织器官尺度的影像组学数据，构建多尺度融合预测模型。这种多维信息的整合能够显著提升诊断效能，以肺癌免疫治疗为例，加入力学特征后，原有标志物的诊断效能可从 50% 提升至 70%-80%，为患者提供更精准的治疗分层。
梅斯医学：当前力学表型检测多处于科研阶段，数智医学如何推动其从实验室走向临床常规，解决标准化、可及性与成本效益问题？
郭卉教授：过去数十年，肿瘤力学研究主要集中在实验室基础研究阶段，临床转化进展相对缓慢。但近两年，随着数智技术的快速迭代，我们已经从单纯认识肿瘤力学特征，逐步过渡到肿瘤力诊断与力治疗的临床探索阶段。
在诊断方面，将力学特征与现有临床检测体系相结合是最易实现且临床价值最大的转化路径。这种模式无需对现有临床流程进行大幅改造，能够在保留传统免疫、生化检测优势的基础上，通过数智模型融合力学特征提升诊断精度，具有良好的成本效益。我们团队已将免疫力学特征成功应用于肺癌、肝癌的免疫治疗优势人群筛选，国内外多个团队也在乳腺癌、前列腺癌等多个瘤种中开展了相关验证研究。
在治疗方面，力学理念同样展现出广阔前景。例如我们开展的帕布利珠单抗与透明质酸预混皮下注射的临床研究，通过透明质酸降解局部细胞外基质（ECM）结构，改善药物递送的力学微环境，显著提升了大分子单抗的吸收效率。未来，CAR-T、CAR-NK 等细胞治疗在实体瘤中疗效不佳的核心瓶颈是细胞难以穿透肿瘤物理屏障，通过修饰细胞使其携带 ECM 降解元件或与相关力学药物联合，有望突破这一难题。
梅斯医学：力学表型与数智决策结合仍面临数据异质性、模型可解释性等挑战，您认为 3-5 年内最有望落地的临床场景与核心突破点是什么？
郭卉教授：目前肿瘤数字力学发展仍面临两大核心挑战：一是技术层面，如何实现多维度、无创、动态的力学特征检测；二是数据层面，数据异质性大且高质量数据库匮乏，缺乏覆盖分子、细胞、组织、人体以及从正常人到疾病全周期的力学数据。为解决这一问题，我们与西安交通大学生命学院许峰院长团队深度合作，致力于建立国际领先的多尺度、全生命周期力学医学数据库，为后续的数据对齐与建模奠定基础。
展望未来 3-5 年，肿瘤力诊断将是最有望率先实现临床常规应用的场景，特别是在免疫治疗优势人群筛选方面。随着检测技术的标准化和数据库的不断完善，基于免疫力学特征的多模态融合模型将逐步在肺癌、肝癌等高发瘤种中得到验证和推广，成为现有诊断体系的重要补充。
在治疗方面，细胞治疗与力学修饰的结合将是核心突破方向。通过基因工程改造 CAR-T、CAR-NK 细胞，使其能够主动降解肿瘤 ECM 或调节局部物理微环境，或开发与细胞治疗联合使用的力学药物，有望显著提升实体瘤细胞治疗的疗效。此外，基于力学原理的药物递送系统优化也将快速发展，为肿瘤治疗提供更多创新方案。
总之，肿瘤数字力学作为一个极具前瞻性的交叉学科领域，正在为肿瘤精准诊疗开辟全新的维度。随着数智技术的不断进步和产学研医的深度融合，相信在不久的将来，力学表型将成为肿瘤标志物家族中的重要成员，为改善肿瘤患者预后贡献重要力量。
