肺腺癌服用阿法替尼(肺癌阿法替尼怎么用)

EGFR-TKI靶向药是目前治疗EGFR突变型非小细胞肺癌指南推荐的一线标准用药，目前已经上市的共有三代肺癌靶向药。

其中阿法替尼，商品名吉泰瑞，是首个也是目前国内唯一上市的二代EGFR-TKI肺癌靶向药。并于2018年10月，正式被纳入《国家基本医疗保险、工伤保险和生育保险药品目录》。

一、阿法替尼的有效性如何？

1、一线治疗EGFR突变的NSCLC患者的有效性

在由吴一龙教授牵头的LUX-Lung 6的Ⅲ期临床试验中，共纳入了364名患者（其中接受阿法替尼治疗的242人，接受基于铂类化疗方案的122人）。

结果显示，阿法替尼与基于铂类化疗方案相比，显著改善了患者无进展生存期PFS（11个月 vs 5.6个月）。

值得注意的是，这项研究中近90%为中国人，并且在接受阿法替尼治疗的患者中，大约有10%的人群获得了长期应答，也就是接受阿法替尼治疗超过了3年。

这组数据足以说明阿法替尼突出的临床疗效。

2、和厄洛替尼、吉非替尼的比较

当我们讨论阿法替尼的有效性时，总是不可以避免的和一代靶向药做对比。

截止到目前为止，一代厄洛替尼、吉非替尼和二代阿法替尼，哪一个更适合用于一线治疗EGFR突变的NSCLC患者，仍然充满争议，CSCO指南中也没有明确的建议，需要由医生根据患者的情况来决定。

但是也已经有一些相关的研究表明了阿法替尼的优势：

在一项来自日本的回顾性研究中，在治疗失败时间上，阿法替尼相较于吉非替尼和厄洛替尼，显示出了更好的效果（13.1个月vs 9.2个月vs 9.8个月）。

来自韩国的一项回顾性研究结果也表明了阿法替尼较好的临床结局，阿法替尼的中位无进展生存时间（mPF）为19.1个月，而吉非替尼和厄洛替尼的mPFS分别为13.7个月和14.0个月，分别延长了5.4个月和5.1个月。

3、非经典EGFR突变的NSCLC患者的有效性

同为EGFR突变，也会有不同的类型。

除适用于主流的突变类型外，阿法替尼对10%-15%的非经典EGFR突变的患者，也显示出较好的效果：

在一项来自全球多中心的临床研究中，阿法替尼治疗的EGFR突变的NSCLC患者中，有13%（75例）存在非经典突变，这些患者最终的中位PFS达到了10.7个月，OS长达19.4个月。

这一数据和常见突变的患者接近，显示了良好的疗效。

2018年FDA批准了阿法替尼用于治疗非经典EGFR突变的NSCLC患者。

随后台湾地区也批准了类似的适应症，并且仅将阿法替尼用于非经典突变的治疗纳入了医保中。

因此针对非经典突变的患者，阿法替尼可以考虑作为主要的一线治疗方案。

4、脑转移患者的有效性

在所有的肺癌患者中，约有20%-65%的肺癌病人可能出现脑转移。

脑转移患者的预后较差，一个重要的原因是血脑屏障的存在，大部分化疗药物无法通过血脑屏障或通过率较低。

在汇总了LUX-Lung 3和LUX-Lung 6两项研究中脑转移患者的数据后，我们发现：

相较于化疗，阿法替尼可以显著延长患者的无进展生存期（8.2个月vs 5.4个月）。

在另外一项来自台湾的研究中，49例基线脑转移患者接受阿法替尼治疗的mPFS为9.9个月，吉非替尼为8.9个月，厄洛替尼为7.2个月。

因此阿法替尼对于脑转移的肺癌患者来说，是具有一定的临床疗效的。

二、阿法替尼的安全性和耐受性如何？

在安全性和耐受性上，阿法替尼一直存在副作用更大的问题，常见的皮疹、腹痛腹泻，发生的概率都高于第一代靶向药。

但一些前瞻实验表明，通过剂量的调整，可以有效减少阿法替尼的不良事件发生，且不会影响疗效。

在LUX-Lung 7实验中，阿法替尼组的患者使用剂量为40mg/d，吉非替尼组的使用剂量为250mg/d。

结果表明阿法替尼的无进展生存期优于吉非替尼组（11个月vs 10.9个月），和治疗相关的严重不良事件发生率没有显著差异（11% vs 4%）。

在RealGiDo研究中，阿法替尼治疗组中31%的患者起始剂量≤30mg/d，其临床疗效（TTP或TTF）与总体患者人群相似。

因此通过以耐受为指导的剂量调整，可以减少阿法替尼不良事件的发生率。

三、在一二三代靶向药中，

阿法替尼的使用顺序？

目前，一二三代靶向药中，二代阿法替尼的最佳治疗顺序仍然存在争议。

在GioTag研究中，一线阿法替尼序贯二线奥希替尼治疗，显示了令人鼓舞的TTF和OS结果，亚裔患者的中位OS更是高达44.8个月。

但在2018年4月，美国FDA正式批准了三代靶向药奥西替尼可以一线用于治疗EGFR突变的晚期非小细胞肺癌患者。

目前全球各地区的诊疗指南，也在陆续把奥西替尼推荐为首选药物。

因此究竟在何时使用阿法替尼，以及在考虑具体的使用剂量时，医生必须从患者自身角度出发，多方面考虑突变情况、转移情况、耐药情况以及患者的经济情况，再做决定。

未来，我们仍然期待更多的前瞻性实验可以进一步证实阿法替尼的安全性和有效性，给更多的肺癌患者带来福音。

【文末互动】

看完文章之后，您对阿法替尼的相关使用问题都了解了吗？

参考文献

[1] Wu YL, Zhou C, Hu CP, et al. Afatinib versus cisplatin plus gemcitabine for first-line treatment of Asian patients with advanced non-small-cell lung cancer harbouring EGFR mutations (LUX-Lung 6): an open-label, randomised phase 3 trial. Lancet Oncol. 2014;15(2):213-222. doi:10.1016/S1470-2045(13)70604-1

[2] Kim Y, Lee SH, Ahn JS, Ahn MJ, Park K, Sun JM. Efficacy and Safety of Afatinib for EGFR-mutant Non-small Cell Lung Cancer, Compared with Gefitinib or Erlotinib. Cancer Res Treat. 2019;51(2):502-509. doi:10.4143/crt.2018.117

[3] Tu CY, Chen CM, Liao WC, et al. Comparison of the effects of the three major tyrosine kinase inhibitors as first-line therapy for non-small-cell lung cancer harboring epidermal growth factor receptor mutations. Oncotarget. 2018;9(36):24237-24247. Published 2018 Feb 4. doi:10.18632/oncotarget.24386

[4] Halmos B, Tan EH, Soo RA, et al. Impact of afatinib dose modification on safety and effectiveness in patients with EGFR mutation-positive advanced NSCLC: Results from a global real-world study 2052 Adv Ther (2021) 38:2038–2053(RealGiDo). Lung Cancer. 2019;127:103–11.

[5] Hochmair MJ, Morabito A, Hao D, et al. Sequential afatinib and osimertinib in patients with EGFR mutation-positive non-small-cell lung cancer: final analysis of the GioTag study. Future Oncol. 2020;16(34):2799-2808. doi:10.2217/fon-2020-0740

谷歌人工智能阿法星与人类pk《星际争霸2》结局10：0，人类完败，你怎么看？

第一场，AlphaStar对战职业选手TLO，5:0还是比较好理解。第一，TLO现在已经退居二线，在他一线的时候，也不算一个顶级选手。而且，TLO没有使用主族虫族，而是使用了副族（因为AlphaStar只能进行神族VS神族的对抗），水平不敢恭维。第二，AlphaStar使用了“全局视距”，一张屏幕看完整张地图（仍然存有战争迷雾），全屏操作，不像人类玩家，视距很小，需要切屏，这样AlphaStar就能在同一时间获取更多的信息。综上，被暴打5:0，也就情有可原了。

第二场，AlphaStar对战职业选手MaNa，MaNa虽然使用了主族，但仍旧先被暴打5:0，后来改了难度（关闭全局视距，跟人类一样切屏操作），才让人类扳回一城（MaNa其实挺菜的，根本不能代表人类的最高水平）。AlphaStar能够获胜主要有两点，第一是知道最优选择：比如，在以往神族VS神族拼凤凰（空中单位）中，职业玩家通常选择优先击杀敌方的输出单位（追猎者、不朽者），而不会去击杀敌方的辅助单位机械哨兵，然而AI的选择却是优先击杀敌方的机械哨兵，因为经过计算后，这样带来的收益最大。同样，职业玩家一般一个矿有16个采矿 6个采气=22个农民，而AI则是一个矿24个农民，也是人类玩家未曾想过的。还有，在人类玩家的理解中，单位不朽者是完克追猎者的，然而AI却认为追猎者完克不朽者。AI为何这么做，是经过大量训练，发现以上选择能够带来的收益最大（比如24个农民，有时候需要拖农民建建筑，农民被杀能够迅速补充）。第二，则是AI无解的操作，这才是AI真正牛逼的地方，神族追猎者单位有个技能，叫“闪烁”，可以瞬间位移，操作完美的话，可以不停地将受伤的追猎者，位移到后面，保留实力。人类玩家，需要极好的反应（要尽快找到被攻击的追猎者），需要极快的操作（把受伤的追猎闪到队伍后面，使其不被攻击），就算是最顶尖的人类选手，也无法做到万无一失，但是AI可以，可以无损闪追猎！更可怕的是，AI在闪追猎的时候，有效操作数高达1000！也就是每分钟要按1000次快捷键，一秒钟按16.6次快捷键！人类顶级职业算手，峰值可能也就500左右，比AI慢了一倍，拿头打啊？

此外，AI也并不是无懈可击的，在最后一场，MaNa发现AI不能处理某个战术，AI就像“卡”住了一样，不知所措，最后人类取胜。

最后，虽然人类输了，但至少输的情有可原。一个是参赛的选手，不能代表人类最高水平，二是AI使用了不对称竞争，一方面使用了“全局视距”，另一方面，高达1000的EPM，是无人能及的。如果派上人类顶级选手，限制AI的EPM，那结果还真不一定。

那么AlphaStar给我们带来了什么呢？对于《星际2》这个游戏而言，AlphaStar发现了一些新的东西：比如先杀哨兵，24个农民，追猎>不朽等等，人类要来计算这类收益，是十分困难的，也是不现实的，但是AI可以通过计算机，博弈出最优解。通过AI，可以帮助提高职业玩家的理解，完成人类不能完成的任务。

对于科技而言，围棋和《星际2》是信息不透明博弈的具体例子，《星际2》比围棋要稍微复杂一些，从AlphaGo到AlphaStar的进步，将对以后的研究做出巨大贡献。可能在将来，国家、公司的决策，不是靠人，而是靠AI，因为AI可以找到最优的那个解。

总之，虽然尤荣！