ASCO 2026 | AI如何判断基因融合是否可用药:VeraFusionDx在线工具

2026年美国临床肿瘤学会（ASCO）年会于5月29日至6月2日在芝加哥召开。作为全球肿瘤学领域规模最大、影响力最强的学术盛会，ASCO汇聚了近4万名顶尖肿瘤专家、科研学者与行业精英，集中展示癌症诊疗领域的最新研究、前沿技术与突破性进展，引领全球肿瘤治疗的发展方向。

携带功能性基因融合的肿瘤患者，是获得靶向治疗的核心获益人群。但在精准肿瘤学实践中，一个长期被忽视的问题始终存在：临床指南常将基因组“重排”与功能性“融合”混为一谈，术语口径不一，掩盖了二者本质的生物学差异。

为何同为基因重排，部分可用药、部分却无效？

可用药性并不取决于“融合”或“重排”的名称。FGFR2抑制剂（如pemigatinib）获批适应症同时覆盖融合及其他重排；而NTRK抑制剂（larotrectinib、entrectinib）仅认可功能性基因融合。同样是DNA层面的结构变异，在不同基因上的用药结论可能截然相反。真正的判断标准只有一个：该变异能否编码出结构完整、可被药物作用的激酶蛋白。

RNA测序是验证这一点的金标准，但临床上常因组织耗尽或样本质量不足而无法开展。医生只能依靠DNA层面的间接证据进行判断，无法确认功能性蛋白是否真实存在。

针对这一临床痛点，至本医疗在2026年ASCO年会上正式发布AI增强型决策支持系统VeraFusionDx（fusion.origimed.ai）—— 一款以AI为核心的基因融合可用药性判定工具。它不是简单的给变异贴上“融合/重排”标签，而是通过完整的AI分析流程，将原始检测报告自动转化为明确结论：该变异是否可编码出具有药物活性的激酶蛋白。目前工具已开放在线使用，单例从录入到获得用药建议仅需约30秒；全程透明可追溯，并非黑盒模型。

成果展示

解决基因组重排与基因融合之间的模糊性：一种AI增强结构框架，用于界定激酶驱动型癌症的治疗适用性

Resolving the ambiguity between genomic rearrangements and gene fusions: an AI-augmented structural framework to define therapeutic eligibility in kinase-driven cancers

摘要编号：1626

AI分析流程长什么样

整套系统由多个AI模块串联而成：通过NLP解析任意格式报告、算法重建嵌合序列、ESMFold蛋白结构模型验证激酶结构域完整性、AI文献检索匹配临床证据。完整的工作流程如下：

图1 VeraFusionDx工作流程

它是怎么工作的

整个流程围绕一个核心目标：将原始报告转化为可追溯、可验证的可用药性结论。下面以一例NSCLC患者的KIF5B-RET融合（RET外显子12、KIF5B外显子15）为例，演示六步分析过程：

第一步：信息录入

支持三种录入方式：直接上传NGS报告文本、填写基因-融合伙伴-断点外显子、或直接输入基因组坐标。内置AI-NLP归一化引擎，可自动解析非结构化的NGS报告，提取基因、融合伙伴、断点、瘤种等关键信息，无需手动整理。

图3a 输入：上传NGS报告，或填基因、伙伴、断点外显子与瘤种

第二步：六维度综合评估

系统对每个融合按六个维度打分：阅读框、激酶结构域完整性、5′伙伴贡献、蛋白稳定性、表达背景、临床证据，每项都附带有可供医生核查的判定依据。这一步是分流闸门：仅阅读框正常、激酶结构域完整的融合进入后续结构预测和用药推荐；移码事件则被标记为不太可能支持TKI用药。本例综合评分98%，判定为功能性融合（Tier1A）。

图3b 六维度判定与结论，附逐条判定理由

第三步：序列重建

系统根据断点位置自动重建嵌合cDNA及蛋白序列，标注拼接位点、序列长度及阅读框状态。本例重建出929个氨基酸的在框嵌合蛋白（KIF5B 527 aa + RET 402 aa，CDS 2790 bp）。

图3c 嵌合蛋白序列，标注拼接位点与在框状态

第四步：三维结构预测

对通过初筛的融合，调用ESMFold预测蛋白三维结构，输出各残基pLDDT置信度（本例平均83.2）。用AI预测的结构验证激酶结构域的完整性，是本工具区别于传统序列判读的关键优势。

图3d ESMFold三维结构预测与pLDDT置信度

第五步：分层用药推荐

判定为可用药的融合，系统会自动对接NCCN、CSCO、ESMO指南，给出分层用药建议。本例将selpercatinib与pralsetinib列为一线（Tier1A）推荐；cabozantinib作为二线（Tier3）备选方案。

图3e 指南锚定的分层用药推荐

第六步：真实世界病例匹配

AI检索模块基于约4500例真实世界数据库，按断点、融合伙伴、肿瘤类型、用药方案及疗效，匹配出最相似的病例，为医生的临床决策提供现实参考。

图3f 真实世界病例匹配

VeraFusionDx的验证与边界

VeraFusionDx的核心是一套AI增强的结构验证框架：它把AI报告解析、嵌合序列重建、阅读框与激酶结构域评估、AI结构建模、AI文献证据和真实世界病例匹配整合成一条链路，在选择可用药TKI之前给出透明、可追溯的可用药性判断。从根本上区别于传统的仅依赖基因名称与断点的粗放判读模式。VeraFusionDx已在EML4-ALK、KIF5B-RET等经典融合及多瘤种中完成验证，覆盖功能性与非功能性变异场景。VeraFusionDx为临床决策辅助工具，不替代分子病理医生的判读；有条件时仍以RNA测序作为最终验证。

谁能用，怎么用

对临床医生来说，可在出具靶向治疗建议前，过滤掉无效重排，减少假阳性用药与无效治疗，尤其适用于NTRK等高假阳性风险基因。

对药企而言，可在临床试验入组阶段筛选出真正的功能性融合阳性患者，提升入组同质性与试验质量。

感兴趣的同仁不妨上手体验，录入病例后约30秒即可获得完整判定结果。访问链接：fusion.origimed.ai。

至本医疗将继续在肿瘤基因组结构与功能解读方向上投入，让每一份基因检测报告都能更可靠地支持靶向治疗决策。