平衡抗肿瘤疗效与安全性是肿瘤治疗领域的核心挑战。随着治疗手段日益复杂

（如靶向、免疫、细胞疗法），以及患者生存期延长，对长期安全性和生活质量

的要求不断提高。以下是一些正在探索和应用的、旨在优化这一平衡的新策略：

 核心策略方向 精准医疗与分子分型： 策略： 通过基因测序（肿瘤组织、液体活检）、

蛋白质组学、免疫分型等技术，识别驱动肿瘤生长的特定分子靶点或预测

治疗反应的生物标志物。 平衡作用： 选择最可能受益于特定治疗的患者群体，

避免对无效患者用药，从而减少不必要的毒性。同时，针对特定靶点设计药物，

理论上对正常组织的脱靶效应更小。 实例： EGFR、ALK、ROS1抑制剂在

非小细胞肺癌中的应用；HER2靶向治疗在乳腺癌、胃癌中的应用；

基于MSI-H/dMMR状态选择免疫检查点抑制剂。 剂量优化与个体化给药： 

 策略： 适应性剂量调整： 根据患者早期治疗反应（影像学、生物标志物）

和耐受性动态调整剂量，而非固定最大耐受剂量。 药代动力学/药效学指导

给药： 利用患者个体药代动力学参数（如血药浓度）和药效学标志物，

优化给药剂量和间隔，确保疗效同时避免过量毒性。 节拍化疗：

 使用低剂量、高频次给药方案，旨在持续抑制肿瘤血管生成和肿瘤生长，

通常毒性显著低于传统最大剂量化疗。 平衡作用： 在保证疗效的前提下，

最小化药物暴露，直接降低毒性发生率和严重程度。尤其适用于维持治疗

或老年/体弱患者。 新型药物设计与递送系统： 策略： 抗体偶联药物： 

将高效细胞毒药物通过可裂解或不可裂解的连接子偶联到靶向肿瘤抗原

的单克隆抗体上。实现“精准投递”，提高肿瘤局部药物浓度，

降低全身毒性。 双特异性/多特异性抗体： 同时结合两个或多个靶点

（如肿瘤抗原+T细胞），更有效地激活免疫系统或阻断多个信号通路，

可能以更低的剂量达到疗效。 前药设计： 药物以非活性形式给药，

在肿瘤微环境特定条件（如低pH、特定酶）下被激活，减少对正常组织

的损伤。 纳米载体递送系统： 利用脂质体、聚合物纳米粒等包裹药物，

改善药物溶解性、延长循环时间、增强肿瘤部位富集（通过EPR效应或

主动靶向），降低脱靶毒性。 组织特异性激活/表达： 设计仅在肿瘤

组织中被特定酶切割激活的药物，或利用肿瘤特异性启动子驱动治疗

基因表达（基因治疗）。 平衡作用： 通过物理靶向或生化特异性，

将治疗效应最大化地集中在肿瘤部位，显著降低对正常器官的暴露

和损伤。 免疫疗法的优化： 策略： 生物标志物驱动选择： 寻找更

精准的免疫治疗疗效预测标志物（如TMB, PD-L1表达模式，T细胞浸润

状态，肠道微生物组），避免对无效患者使用，减少免疫相关不良反应

风险。 新型免疫检查点分子/激动剂： 开发针对LAG-3, TIM-3, TIGIT

等新靶点的抑制剂，或CD40, OX40, GITR等激动剂，探索不同作用

机制和可能更优的安全性。 联合策略优化： 深入研究免疫疗法与靶向、

化疗、放疗的最佳组合方式和时序，寻找增效减毒的方案。避免

不必要的、毒性叠加过大的组合。 局部/区域免疫治疗： 如瘤内

注射溶瘤病毒、免疫刺激剂、CAR-T细胞等，增强局部抗肿瘤

免疫反应，减少全身免疫激活和毒性。 工程化细胞疗法改进：

 CAR-T/TCR-T设计中加入“安全开关”，优化共刺激域设计，

探索通用型CAR-T以减少制备相关风险，靶向更特异的肿瘤抗原

以减少“脱靶”毒性。 平衡作用： 提高免疫治疗的有效人群比例，

降低严重irAEs的发生率，管理好独特的免疫相关毒性。 联合治疗

的策略性选择与排序： 策略： 协同增效减毒组合： 选择作用机制

互补、能相互增敏，但毒性谱不重叠或能相互减轻的组合。

例如，免疫检查点抑制剂联合抗血管生成药物（某些组合显示出

协同且毒性可控）。 间歇性/序贯治疗： 而非持续高强度联合。

例如，先用强效诱导治疗达到缓解，再换用毒性较低的药物进行

维持治疗；或在一种药物出现耐药或累积毒性时，序贯换用

另一种机制不同的药物。 “Chemo-break”策略： 在免疫治疗

起效后，暂停化疗，利用免疫系统的持续效应维持疗效，减少化疗

累积毒性。 平衡作用： 通过巧妙的组合和用药安排，最大化治疗

效益窗口期，给患者提供治疗“假期”，降低长期累积毒性，

改善生活质量。 预防性干预和支持治疗： 策略： 预防性用药：

 预先使用药物预防已知的高风险毒性（如使用粒细胞集落刺激因子

预防中性粒细胞减少性发热，使用地塞米松预防某些化疗的恶心

呕吐或免疫治疗的输液反应）。 毒性监测与管理指南： 

建立完善的早期识别、分级和处理各种治疗相关毒性的标准化流程

和指南（如CTCAE标准），特别是对于新型疗法

（如免疫治疗irAEs, CAR-T的CRS/ICANS）。 支持性治疗整合： 

将营养支持、疼痛管理、心理社会支持、康复治疗等贯穿整个治疗

过程，帮助患者更好地耐受治疗，维持身体机能和生活质量。 

 平衡作用： 主动预防或及时有效处理毒性，防止轻微毒性发展为

严重事件，保障患者能够按计划完成有效治疗，并维持较好的生活

状态。 人工智能与大数据应用： 策略： 预测模型： 利用AI分析

临床、基因组、影像组学等多模态数据，预测患者对特定治疗的

反应和发生特定毒性的风险。 毒性早期预警： 通过分析电子病历、

患者报告结局等数据，利用AI算法更早地识别毒性信号。

 优化临床试验设计： 利用真实世界数据辅助设计更精准的临床试验，

入组更可能获益且风险可控的患者。 平衡作用： 提供更精准的

个体化治疗决策支持，前瞻性地规避高风险毒性，或在毒性初现时

及时干预。 总结与展望 平衡疗效与安全性不是单一策略能解决的，

而是需要多层次、个体化、动态化的综合管理： 精准筛选患者：

 找到最可能获益的人群是前提。 优化治疗武器： 设计更智能、

靶向性更强的药物和递送系统。 个体化应用： 根据患者具体情况

（基因、体能、合并症、意愿）和实时反应/耐受性调整剂量、

方案和疗程。 主动管理毒性： 预防、早期识别和积极处理不良

反应至关重要。 整合支持治疗： 维持患者整体健康状态和生活

质量是长期治疗成功的基础。 未来，随着对肿瘤生物学理解的

深入、技术（如单细胞测序、空间组学、AI）的发展以及新型

治疗模式（如更先进的细胞疗法、癌症疫苗、mRNA疗法）的

涌现，我们有望在保证甚至提升抗肿瘤疗效的同时，将治疗

毒性控制在更低水平，真正实现肿瘤的“慢病化”管理，

让患者活得更长、活得更好。