随着人们生活水平的提高和健康意识的增强，肺癌越来越受到人们的重视。传统组织学水平分类将肺癌分为非小细胞型肺癌（87%）和小细胞型肺癌（13%），大部分的肺癌患者是非小细胞型肺癌。
总体来说，非小细胞型肺癌生长和传播速度比小细胞型肺癌慢。非小细胞型可分为三类：腺癌（62%），鳞状细胞癌（20%）和大细胞癌（5%）。其中，腺癌发生在肺的外周区域，鳞状细胞癌通常发生在肺部中心支气管附近，而大细胞癌可以在肺的任何区域发生。
图1 肺癌组织学水平分类
2015年美国奥巴马政府正式宣布开启精准医疗计划。 精准医疗的宏观目标是通过融合临床和生物标志物检测的海量数据，来达到精准分类患者，从而选择最优治疗方案。
图2 生物标志物检测将肺癌患者细分到亚型
症状相同的肺癌患者在传统生化诊断中被归为一个大类，然而精准医疗通过生物标志物的检测可将他们细分成不同的亚型。在之后的治疗过程中，可以根据这个细化的分类，制定个性化疗程。
图3 Nature文章中二代测序检出15个肺腺癌相关基因
图4 肺癌的分子学分类：基因突变与非小细胞型和小细胞型肺癌的关系
图5 未来分子水平信息将加入电子档案，助力精准医疗
除了生化检测，穿插活检和影像学图片，在未来分子水平的检测数据也将归入肺癌患者的病历档案。分子水平档案将会包括基因组学，基因表达，表观遗传，和蛋白质谱。例如利用单核苷酸多态性（SNP）阵列来评估基因组突变，用亚硫酸盐测序和甲基化特异性PCR评估表观遗传突变，用微阵列技术评估基因表达或小RNA水平，用质谱、反相蛋白质阵列和复用珠等蛋白组学手段评估在肿瘤组织中的细胞内信号或者血液样品中的细胞因子和血液血管生成因子。
图6 医学大数据共享是精准医疗的基础
即使电子病历档案在发达国家医院已经成熟，但是作为重要商业信息，这些珍贵数据并不共享互通。在未来，如果找到了利益的双赢点，这些来自临床数据资料（人口和流行病学，以及分子水平的组学的数据）可以实现开放共享，分析这些大数据信息可以精细分类，预测疾病风险、诊断、疗效及预后。
总结过去由于科技局限性，传统的癌症分类是基于组织学水平上发展出来的。随着新一代测序技术的快速发展，癌症的分类和发生起源进入分子学时代。基于基因变异水平的癌症亚型，更为精细的被划分出来。精准医疗时代下，基因分析和大数据共享，为患者精确诊断，个性化治疗提供指导。
参考文献
[1] Vargas and Ashley J., et al. Biomarker development in the precision medicine era: lung cancer as a case study. Nature Reviews Cancer, 2016, 525-537.
[2] Herbst. R. S., Heymach. J. V., and Lippman. S. Molecular origins of cancer: lung cancer. New Engl J Med, 2008, 1367-1380.
[3] Swanton,Charles, et al. Clinical Implications of genomic discoveries in lung cancer. New England Journal of Medicine, 2016, 1864-1873.
