癌症是如何分类的？
一般问起癌症种类，大家第一反应都是肺癌、乳腺癌、直肠癌，等等。这没错，但这是癌症分类最初级的1.0版。在过去一百多年，随着现代医学的发展，癌症分类方式已经出现了4次革命性升级，从最初的1.0版，到2.0，到3.0，现在最新的4.0版已经出现在地平线上。
分类方式的不断升级，其根本目的，都是为了对病人进行更好的“个性化治疗”。
只有了解现代癌症分类方式，才能更好地和医生交流，了解新药背后原理，从而选择最适合患者的治疗方式。
癌症分类1.0版
一千多年前，出现了癌症的概念。慢慢的，大家开始对癌症按照发病部位，或者说癌症组织来源来分类，比如肺癌、胃癌、直肠癌等等。这样的分类直观，容易理解，我们平时说肿瘤排名，也还是按照这样的分类来的。
这种按照“部位”的分类，是“癌症分类1.0版”。这虽然简单，却也是一次革命，因为这样分类不仅让互相的交流变得容易，而且有临床价值，因为显然肺癌和乳腺癌，从生长特性到治疗手段，都是非常不同的。
癌症分类2.0版
随着技术进步，医生发现可以根据临床特征，尤其是显微镜下癌细胞的特点（病理）对癌症再进行细分。
癌症分类2.0版：“部位+临床病理”。病理科医生的主要工作，就是按照2.0版的标准，来对病人进行分类。
比如，下图就是2.0版本里面，4种主要肺癌类型在显微镜下的不同样子。
从1.0升级到2.0版，中间经历了上千年，体现了无数医生和科学家的智慧。我们开始真正认识到癌症多样性，证明同样部位，不同亚型的病人使用不同治疗方式，能达到更优化的效果。
但是大家慢慢发现2.0版有问题。
第一，这种分类主要靠病理科医生经验和主观判断，水平不高的话很容易出现误判。
第二，即使分为同一种亚型的病人，比如“晚期非小细胞腺癌”，对药物的响应非常不同，医生仍然无法准确预测病人对药物的响应。
我们是否能找到更好的分类方法，来帮助医生优化治疗方案？
基因测序带来了一线曙光。
癌症分类3.0版
进入21世纪，随着癌症中的基因突变被逐渐发现并理解，我们进入了癌症分类3.0版时代：“部位+病理+基因突变”。
在3.0系统下，基因检测成了不可或缺的一环，因此有时也叫“基因分型”或者“分子分型”。
比如“非小细胞肺腺癌”，在2.0分类中是“同病”，而在3.0分类下则可以被进一步细分成了“EGFR基因突变”、“ALK基因融合”、“KRAS基因突变”等近十种不同的疾病。
之所以要这么分类，是因为科学研究表明，不同基因突变的肺癌，对药物，尤其是新型靶向药物的响应是非常不同的。
如下图，当靶向药物“特罗凯”用于所有“非小细胞腺癌”的时候，疗效差别很大，有些人结果非常好，很多人则没有任何效果，肿瘤甚至还在快速生长。
为什么呢？
以前，在2.0版分类下，我们完全无法理解。直到使用基因检测才发现，特罗凯在肺癌中的疗效主要由病人基因突变类型决定：EGFR突变病人往往效果不错（灰色），而相反，如果癌细胞是KRAS突变的时候（蓝色），“特罗凯”是完全无效的。
正是因为类似的临床试验结果，医生开始推荐病人进行基因检测，按照是否有EGFR、ALK，或KRAS突变来进一步分类，从而决定病人是否适合使用“特罗凯”，“易瑞沙”等不同靶向药物。
随着分类方式的进步，大家和医生的对话也变了：
1.0时代： “我爸爸的肺癌应该怎么治？”
2.0时代： “我爸爸的3期非小细胞肺腺癌应该怎么治？”
3.0时代：“我爸爸的EGFR基因19号外显子突变，3期非小细胞肺腺癌应该怎么治？”
显然是越来越复杂。但大家先别崩溃，这还没完，因为伴随免疫疗法兴起，4.0版呼之欲出。
癌症分类4.0版
近两年来，“部位+病理+基因”的癌症分类3.0版，又不够用了，因为它无法预测最近很火的免疫疗法效果。
癌症分类4.0版：“位置+病理+基因突变+免疫特性”，是目前最热门的研究领域之一。
或许再过几年，我们就得这样问医生了：“我爸爸的PD-L1阳性1+，CD8细胞阳性1+，新抗原指数2+， EGFR基因19号外显子突变，3期非小细胞肺腺癌应该怎么治？”
99%的人应该已经晕菜了，这很正常。别担心，这是科学研究最前沿，还不成熟，暂时不会广泛用于临床。
但4.0版是不可阻挡的趋势，所以我建议大家要不就早点开始学习，要不就多结交点学生物医学的朋友。
每个人的癌症都是不同的，为了最优化治疗，癌症类型肯定会被分得越来越细，终极结果就是每位患者都是一种独特分型，适合独特的治疗方式，所谓“一人一方”。
但当分类过于细，过于复杂的时候，会带来一个大问题：不仅病人，连很多医生都会懵圈，因为信息和选择都实在太多了。咋办？
这时候，需要一个傻瓜软件，只要输入各项信息，电脑就能输出推荐治疗方案，比如下面这种：
理想状态下，推荐出来的应该不是一种固定方案，而是会有多个选择，按成功概率、价格、副作用风险等因素排名，就跟现在买机票、订旅馆一样。选择一个最适合病人需求的疗法。
它最大的难点是背后的数据库，不仅需要随时更新临床研究结果，还需要人工智能学习能力，门槛不低。
有人已经开始做了，我相信这是一个在不久的未来就会爆发的商机。