近期的几项研究从蛋白结构、动物模型、血液蛋白组、全国登记、机器学习和患者调查切入，展示了异质性如何被逐层拆解。
01 · 癌症基因组｜蛋白结构｜突变解释
大规模蛋白结构与肿瘤突变整合发现，致癌相关变异常聚集于特定功能区或结构约束位点，为解释突变提供更细坐标。
该研究整合139818名患者的体细胞突变数据与蛋白结构信息，为18种以上肿瘤类型中的173个癌症基因绘制功能图谱，比较突变位置与蛋白功能区域及三维结构约束之间的对应关系。
多数癌症基因的致癌突变集中在“显著突变区域”，并对应DNA结合域、配体结合位点、催化域、底物识别位点或降解信号。另一些基因更受三维结构约束，例如TP53突变偏向蛋白内部核心，PTEN突变则对应特定二级结构。由此可见，位点所在的功能与结构环境可为突变解释增加信息。
关键数据
这项研究值得关注的地方
把“某基因发生突变”推进到“突变位于何种功能和结构位置”，有助于形成更精细、可追溯的变异解释框架。
注：
这是基于结构与突变分布的整合分析；功能图谱不能替代逐一实验验证，也尚不能证明其能改善患者结局。
02 · RHOA｜等位基因背景｜小鼠肿瘤
RHOA E40Q并非在所有背景下都表现为驱动因素；小鼠实验表明，野生型等位基因是否存在决定了其肿瘤相关效应。
该研究围绕头颈部鳞状细胞癌中的RHOAE40Q展开，构建角质形成细胞特异表达该变体且缺失野生型RhoA的小鼠模型，并结合细胞周期、DNA修复及经典RhoA效应通路相关分析评估其功能。
RHOAE40Q表现为部分功能缺失等位基因，却仅在野生型RhoA缺失时呈现促肿瘤作用：相应小鼠可自发形成鳞状细胞癌，并出现毛干形成缺陷。相关分子变化指向复制压力和基因组不稳定性增加，且不依赖经典效应分子ROCK和DIAPH，说明突变功能需要放在等位基因背景中判断。
关键数据
这项研究值得关注的地方
研究揭示了“部分失活”与“肿瘤驱动”并不矛盾，等位基因状态可能是解释热点突变功能的关键条件。
注：
证据主要来自基因工程小鼠及分子分析，不能直接推断该变体在人类患者中的致病强度、预后意义或治疗反应。
03 · 糖尿病肾病｜血液蛋白组｜肾间质纤维化
三个肾活检队列均显示，循环ephrin受体信号与间质纤维化和肾小管萎缩相关，为无创识别组织损伤提供候选线索。
该研究先在129名经活检证实糖尿病肾病的韩国患者中开展血液蛋白组分析，再于KPMP的73人和波士顿肾活检队列的414人中验证，并结合人肾多组学数据考察相关分子的组织表达与下游信号。
ephrin受体信号是与间质纤维化和肾小管萎缩面积正相关、且在糖尿病肾病中升高的首位通路，这一关联在两个外部队列中复现。较高通路活性还与更高肾衰竭风险相关；糖尿病肾组织中EPHA4和EPHB1表达较高，并与上皮—间质转化特征及多类肾细胞中的相关信号活动相联系。
关键数据
这项研究值得关注的地方
血液信号与活检组织损伤实现跨队列对应，为探索反映肾间质病变负担的候选标志物提供了较完整的验证链。
注：
通路活性与组织损伤及肾衰竭风险之间属于关联；其诊断阈值、增量预测价值及治疗监测用途仍需进一步研究。
04 · 多囊肾｜全国登记｜并发症分层
全国登记资料显示，不同性别、年龄、肾功能和高血压组合对应不同并发症患病模式，组合分层比单项标签更具体。
该研究分析2015至2021年全国登记中的12466名常染色体显性多囊肾病患者，围绕性别、年龄、慢性肾病分期、高血压、肾脏总体积及其年增长率6项属性，评估其与8类主要并发症的关联及交叉组合模式。
肝囊肿、肾区疼痛和颅内动脉瘤的患病比例分别为86.1%、29.7%和18.5%。颅内动脉瘤在女性和年龄较大者中更常见，颅内出血与高血压关联较强。女性且年龄不低于50岁者的颅内动脉瘤患病比例为25.3%；年龄低于50岁且处于慢性肾病4至5期者，肉眼血尿或囊肿出血比例为31.9%。
关键数据
这项研究值得关注的地方
可解释的属性组合能把总体患病比例细化到临床亚组，为制定更有针对性的筛查和监测方案提供依据。
注：
登记资料揭示的是并发症患病模式和统计关联，而非前瞻性发病风险；这些组合能否改善筛查收益仍需验证。
05 · 人工耳蜗｜机器学习｜个体概率
机器学习没有全面击败简明规则，但能给出个体候选概率，并在部分结局上减少漏筛，为临界患者提供补充信息。
该研究回顾性分析人工耳蜗登记及HERMES数据库中的1878名患者、3756只耳，使用年龄、听阈和词语识别成绩预测两类候选标准，并将3种机器学习模型与60/60规则比较；数据按80/20划分并采用嵌套10折交叉验证。
预测CNC词表得分低于50%时，60/60规则的F1值较高，为0.83，而机器学习为0.77至0.79；但后者敏感度达到0.80至0.84，高于规则的0.77。预测AzBio句子得分低于60%时，机器学习的F1值为0.79至0.80、特异度为0.86至0.87，均高于规则的0.71和0.76，说明优势取决于具体筛查目标。
关键数据
这项研究值得关注的地方
研究没有把复杂模型包装成全面替代方案，而是明确其价值在于补充二元规则，并为“灰区”患者提供连续概率。
注：
这是回顾性数据库研究，模型预测的是候选标准而非植入后的实际获益；跨机构泛化和临床使用效果仍待检验。
06 · 胃癌｜辅助化疗｜因果机器学习
回顾性模型提示，胃癌辅助化疗的估计获益随淋巴结比率明显不同，但这一分层仍属于探索性证据，不能替代试验。
该研究回顾性纳入2007至2017年接受根治性胃切除的2748名患者，其中325名未治疗的IB期患者用于预后分析，825名II至III期患者用于估计辅助化疗获益，并在434人的倾向评分匹配队列中开展交互分析。
模型将淋巴结比率识别为辅助化疗估计获益的首要预测因素。匹配队列中存在显著交互作用：淋巴结比率高于0.25者接受化疗与较低死亡率相关，HR为0.41；低于0.1者则与较高死亡率相关，HR为2.58。模型预测获益最高的20%患者，绝对风险降低估计为21.59%，对应需治疗人数4.63。
关键数据
这项研究值得关注的地方
研究把淋巴结比率从一般预后指标推进为潜在治疗获益分层指标，并给出了可供后续验证的阈值与人群。
注：
尽管使用倾向评分匹配和因果森林，回顾性观察数据仍可能存在残余混杂；所谓获益或潜在伤害是模型估计，尚非随机试验证据。
07 · 心脏病｜人工智能｜患者参与
欧洲心脏病患者总体认可AI和个体风险预测的辅助作用，却普遍反对强制使用或完全委托，透明与共同决策不可缺位。
该研究以标准化问卷调查6个欧洲国家的470名成年人，他们自报患有心力衰竭、心肌梗死、心脏骤停或已植入除颤器。样本平均年龄61.12岁，男性244人、女性226人，研究分析其对个体风险预测和AI参与除颤器决策的态度。
问卷形成6个可解释维度，涵盖感知获益、透明度期待、算法授权、AI素养和共同决策偏好等。受访者总体将个体风险预测和AI视为辅助判断的有用工具，前提是过程透明且患者持续参与；强制使用和把决定完全交给算法受到广泛反对，对个体风险预测模型的授权接受度高于对AI的授权。
关键数据
这项研究值得关注的地方
技术能否落地不只取决于准确率；透明解释、患者参与以及个人和机构责任同样构成临床实施条件。
注：
横断面问卷测量的是自报态度及其相关因素，不能代表实际医疗场景中的选择，也不能推断技术态度变化的原因。
08 · 多发性硬化｜性别差异｜微小RNA
小规模探索发现，未经治疗的复发缓解型多发性硬化患者存在性别相关微小RNA图谱，疾病信号叠加于原有性别差异。
该研究使用生物样本库中的46名参与者开展探索性分析，包括17名男性和17名女性未经治疗的复发缓解型多发性硬化患者，以及男性、女性健康对照各6名；研究检测微小RNA表达，并完成4类疾病与性别比较。
男性患者出现miR-29、miR-30和miR-199家族等免疫相关微小RNA的协调变化；女性患者持续下调miR-941，并出现miR-223-3p、miR-485-3p和miR-199a-5p等差异。部分免疫调节微小RNA在健康性别比较和疾病比较中均有差异，提示疾病相关改变可能叠加在既有的性别特异免疫网络之上。
关键数据
这项研究值得关注的地方
研究说明性别不应只作为统计校正项，而可能是生物标志物发现与分层设计中的核心变量。
注：
样本量较小，且为探索性横断面表达分析；微小RNA差异不能证明其驱动疾病，也不足以建立诊断或预后用途。
01｜精准分层正从单一标签转向条件组合
突变所在结构、野生型等位基因、患者性别、年龄、肾功能和淋巴结比率都可能改变信号含义。单一基因、单一阈值或单一危险因素越来越难以承载个体判断。
02｜模型价值开始与可解释性和外部验证绑定
多队列复现、与简单规则直接比较及可读的属性交叉分层，正在成为模型是否有用的重要标准。性能提升有限时，减少漏筛或提供连续概率也可能构成补充价值。
03｜临床转化的边界不只由算法性能决定
结构图谱、动物机制和回顾性模型都能生成候选解释，但不能自动转化为疗效结论。与此同时，患者对透明度、共同决策和责任归属的要求，正在成为实施证据的一部分。
1. Hyeon DY, Zhou Y, Chung WK, Dietlein F. Proteo-genomics-guided interpretation of somatic mutations in cancer genomes. Cancer Cell. 2026 Aug 21:S1535-6108(26)00355-7.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42628524/
DOI：https://doi.org/10.1016/j.ccell.2026.07.017
2. Noujarède J, Wang Q, Kokkinogenis EP, Luo Y, Cudina I, Willaume S, Mooser C, Nguyen LP, Poulsen MF, Heijmerikx S, Le Phan TH, He X, Andersen JB, Sørensen CS, Brakebusch C. RhoA wild-type allele loss unleashes the cancer driver function of RhoA E40Q. J Clin Invest. 2026 Aug 25:e201975.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42640717/
DOI：https://doi.org/10.1172/JCI201975
3. Han SS, Surapaneni AL, Schmidt IM, Yun D, Ma X, Moon KC, Srivastava A, Palsson R, Stillman IE, Waikar SS, Grams ME, Rhee EP. Circulating Ephrin-Eph Signaling Reflects Interstitial Fibrosis and Tubular Atrophy in Diabetic Kidney Disease. Clin J Am Soc Nephrol. 2026 Aug 21.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42627699/
DOI：https://doi.org/10.2215/CJN.0000001191
4. Kataoka H, Nishio S, Hoshino J, Hiromura K, Isaka Y, Muto S. Nationwide attribute-based cross-classification reveals distinct risk patterns of major complications in ADPKD. Clin Exp Nephrol. 2026 Aug 26.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42645773/
DOI：https://doi.org/10.1007/s10157-026-02938-2
5. Shew MA, Jawad M, Pavelchek C, Walia A, Bray W, Berg KA, Bao JW, Lefler S, Ortmann A, Lee D, Varghese J, Durakovic N, Jiramongkolchai P, Piccirillo JF, Herzog JA, Buchman CA. Binary to Personalized: A Novel Machine Learning Probability Score for Cochlear Implant Candidacy. Laryngoscope. 2026 Aug 21.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42629619/
DOI：https://doi.org/10.1002/lary.70845
6. Hong WQ, Hu RH, Jiang XH, Zhang S. The Lymph Node Ratio as a Predictive Biomarker for Individualized Benefit from Adjuvant Chemotherapy in Gastric Cancer: A Retrospective Cohort and Causal Machine Learning Study. J Gastrointest Cancer. 2026 Aug 22;57(1):197.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42631885/
DOI：https://doi.org/10.1007/s12029-026-01556-1
7. Lindinger GL, Schiermeier NJ, Willems DL, Maris MT, Khattab M, Tan HL, Henzler D, Bak MAR, Nagel E, Lauerer M. Patients' Perspectives on Applications of AI and Personalized Medicine in Life-Threatening Heart Disease: European Cross-Sectional Patient Questionnaire Study. J Med Internet Res. 2026 Aug 25;28:e96968.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42640848/
DOI：https://doi.org/10.2196/96968
8. Buxhoeveden S, Swift-Scanlan T, Olex A, Carter C, Oh U. Differential microRNA Expression Reveals Sex-Specific Neuroinflammatory and Neurodegenerative Pathways in MS. Biol Res Nurs. 2026 Aug 21:10998004261473903.
PubMed：https://pubmed.ncbi.nlm.nih.gov/42626787/
DOI：https://doi.org/10.1177/10998004261473903
