SDE Universes·新思想前沿›医学与临床
新思想前沿 · 医学与临床

精准医疗与药物基因组

第 116 号 · 近二十年 · 两幕 · 20 个新思想 · 约 25,749 字 · 王德生 亲撰 · 2026 年 8 月

近二十年的精准医疗与药物基因组并非一列技术新品，而是关于谁进入分母、哪条路径真正起作用、何时方向反转的证据账本。本页以二十条可追溯转向连接变异、表型与知识库版本与医院数据节点与联邦分析网络，每条同时给出提出、争议、2024—2026年更新、六段证据及八字段碰撞层。

【第一幕】上一个十年 · 约 2006–2016 · 八条奠基转向

这一幕追踪精准医疗与药物基因组怎样把成功结果拆回对象、路径与失败分母；以2006—2016年的问题框架为起点，若某议题近年才有可核文献，则保留实际首发年份，不倒填旧来源。

甲、概念生命周期 —— 「致病性」这个判断的所指，随知识库版本一起漂移Variant Classification Reclassification Clinvar

提出Plon SE、Rehm HL，2018 年《The Ancestral Pace of Variant Reclassification.》，J Natl Cancer Inst 110(10):1133-1134，DOI 10.1093/jnci/djy075。　争议Mersch J、Brown N、Pirzadeh-Miller S等，2018 年《Prevalence of Variant Reclassification Following Hereditary Cancer Genetic Testing.》，JAMA 320(12):1266-1274，DOI 10.1001/jama.2018.13152。　最新Eichstaedt CA、Maldonado-Velez G、Machado RD等，2025 年《Adaptation of ACMG/AMP Guidelines for Clinical Classification of BMPR2 Variants in Pulmonary Arterial Hypertension Resolves Variants of Unclear Pathogenicity in ClinVar.》，Hum Mutat 2025:2475635，DOI 10.1155/humu/2475635。　关键「致病性」这个判断的所指，随知识库版本一起漂移。

概念生命周期压测旧账：变异、表型与知识库版本过去只认终点；概念生命周期如今要求对象、路径和失败同表。Plon SE等2018年的《The Ancestral Pace of Variant Reclassification.》给出可追踪起点；概念生命周期据此追问致病变异重分类率分母；概念生命周期把参考人群单一标成未纳入对象，不把它伪装为零效应。概念生命周期由此阻断旧默认的选择隐藏。

概念生命周期把主张锁在一个条件：「致病性」这个判断的所指，随知识库版本一起漂移。概念生命周期不让声望、技术新旧或总样本替代它；概念生命周期要求变异、表型与知识库版本移除该条件，若致病变异重分类率仍同方向同量级，本条即被否定。概念生命周期不把复杂性写成免责；概念生命周期把背景差异留到第四段，概念生命周期第二段只给可推翻方向。

概念生命周期的关键读数来自Plon SE等2018年记录；PubMed摘要可核对PMID 29757403 的独立记录、2018 年发表版本。概念生命周期分列规模、比例和区间，概念生命周期不拿年份冒充效应。概念生命周期的数字只描述已观察对象的致病变异重分类率；概念生命周期若遇替代终点与患者结局并存，概念生命周期只以后者检验迁移，并留DOI或PMID逐句回查。

概念生命周期的反方入口是Mersch J等2018年的《Prevalence of Variant Reclassification Following Hereditary Cancer Genetic Testing.》。该研究重画对象或方法边界；概念生命周期遇参考人群单一便重验致病变异重分类率，允许衰减、消失或反号。中心平均值不能吞掉尾部；概念生命周期写明场景、时间与版本，概念生命周期遇任一改变便重估，不把旧方向机械搬进新制度。

概念生命周期的近年更新由Eichstaedt CA等2025年给出，《Adaptation of ACMG/AMP Guidelines for Clinical Classification of BMPR2 Variants in Pulmonary Arterial Hypertension Resolves Variants of Unclear Pathogenicity in ClinVar.》包含66%的比例读数。概念生命周期把更新落到变异、表型与知识库版本；概念生命周期同录停止点和版本，概念生命周期另记操作者负荷与未完成对象。概念生命周期若发现采用后致病变异重分类率被考核改写便另立版本；概念生命周期也防止登记越整齐、参考人群单一反而越隐蔽。

概念生命周期与另见第101号第甲条『TCGA：肿瘤从器官名走向分子线路图』共享名义成功和真实生效的差额；概念生命周期用致病变异重分类率结算，对方使用另一分母。两边若反向，概念生命周期先查变异、表型与知识库版本是否外置成本。概念生命周期的证伪读数是：边缘场景中致病变异重分类率仍保持且参考人群单一不增加；若该组合出现，概念生命周期的边界判断失败，若翻转则环境进入机制。概念生命周期还核对三笔来源的对象是否同类；概念生命周期若只能复现方向而不能复现量级，结论就降为局部。

位置E——它把“「致病性」这个判断的所指，随知识库版本一起漂移”当成单独够用的那一样　单因决定本条方向的只有「致病性」这个判断的所指，随知识库版本一起漂移　预设〔21 制度采纳不改变指标含义〕致病变异重分类率的分母与分类边界在比较前已经给定　量纲达到预设致病变异重分类率阈值的对象数／变异、表型与知识库版本全部可评估对象数　失效当参考人群单一被排除时，致病变异重分类率越高，真实覆盖或长期收益反而可能越低　自曝概念生命周期自证边界：Mersch J等2018年的《Prevalence of Variant Reclassification Following Hereditar》承认对象或方法限制，未把外推写成无条件　空栏因参考人群单一而未进入致病变异重分类率分母的对象、取消的操作和无法归类的阴性时间段　异名另见第101号第甲条『TCGA：肿瘤从器官名走向分子线路图』

乙、开放世界校准 —— 遇到知识库里没有的变异时，允许明确输出「无法判断」Variant Of Uncertain Significance Reporting

提出Millot GA、Carvalho MA、Caputo SM等，2012 年《A guide for functional analysis of BRCA1 variants of uncertain significance.》，Hum Mutat 33(11):1526-37，DOI 10.1002/humu.22150。　争议Westerfield L、Darilek S、van den Veyver IB，2014 年《Counseling Challenges with Variants of Uncertain Significance and Incidental Findings in Prenatal Genetic Screening and Diagnosis.》，J Clin Med 3(3):1018-32，DOI 10.3390/jcm3031018。　最新Folta A、Sedeño Cortés AE、Gupta P等，2025 年《Imprecision medicine: Systematic gaps in reporting variants of uncertain significance (VUS) and their reclassifications.》，Genet Med 27(9):101501，DOI 10.1016/j.gim.2025.101501。　关键遇到知识库里没有的变异时，允许明确输出「无法判断」。

开放世界校准对照旧账：患者、实验室和分子肿瘤委员会过去只认终点；开放世界校准如今要求对象、路径和失败同表。Millot GA等2012年的《A guide for functional analysis of BRCA1 variants of uncertain significance.》给出可追踪起点；开放世界校准据此追问可行动结果占比分母；开放世界校准把意义未明变异被过度解释标成未纳入对象，不把它伪装为零效应。开放世界校准由此阻断旧默认的选择隐藏。

开放世界校准把主张锁在一个条件：遇到知识库里没有的变异时，允许明确输出「无法判断」。开放世界校准不让声望、技术新旧或总样本替代它；开放世界校准要求患者、实验室和分子肿瘤委员会移除该条件，若可行动结果占比仍同方向同量级，本条即被否定。开放世界校准不把复杂性写成免责；开放世界校准把背景差异留到第四段，开放世界校准第二段只给可推翻方向。

开放世界校准的关键读数来自Millot GA等2012年记录；PubMed摘要可核对80%、60%的比例读数。开放世界校准分列规模、比例和区间，开放世界校准不拿年份冒充效应。开放世界校准的数字只描述已观察对象的可行动结果占比；开放世界校准若遇替代终点与患者结局并存，开放世界校准只以后者检验迁移，并留DOI或PMID逐句回查。

开放世界校准的反方入口是Westerfield L等2014年的《Counseling Challenges with Variants of Uncertain Significance and Incidental Findings in Prenatal Genetic Screening and Diagnosis.》。该研究重画对象或方法边界；开放世界校准遇意义未明变异被过度解释便重验可行动结果占比，允许衰减、消失或反号。中心平均值不能吞掉尾部；开放世界校准写明场景、时间与版本，开放世界校准遇任一改变便重估，不把旧方向机械搬进新制度。

开放世界校准的近年更新由Folta A等2025年给出，《Imprecision medicine: Systematic gaps in reporting variants of uncertain significance (VUS) and their reclassifications.》包含5158名对象、1.6%的比例读数。开放世界校准把更新落到患者、实验室和分子肿瘤委员会；开放世界校准同录停止点和版本，开放世界校准另记操作者负荷与未完成对象。开放世界校准若发现采用后可行动结果占比被考核改写便另立版本；开放世界校准也防止登记越整齐、意义未明变异被过度解释反而越隐蔽。

开放世界校准与另见第107号第乙条『肠促胰素：糖尿病药物开始同时调节食欲与体重』共享名义成功和真实生效的差额；开放世界校准用可行动结果占比结算，对方使用另一分母。两边若反向，开放世界校准先查患者、实验室和分子肿瘤委员会是否外置成本。开放世界校准的证伪读数是：边缘场景中可行动结果占比仍保持且意义未明变异被过度解释不增加；若该组合出现，开放世界校准的边界判断失败，若翻转则环境进入机制。

位置E——它把“遇到知识库里没有的变异时，允许明确输出「无法判断」”当成单独够用的那一样　单因决定本条方向的只有遇到知识库里没有的变异时，允许明确输出「无法判断」　预设〔22 通过形式审查等于实质合规〕可行动结果占比的分母与分类边界在比较前已经给定　量纲达到预设可行动结果占比阈值的对象数／患者、实验室和分子肿瘤委员会全部可评估对象数　失效当意义未明变异被过度解释被排除时，可行动结果占比越高，真实覆盖或长期收益反而可能越低　自曝开放世界校准自证边界：Westerfield L等2014年的《Counseling Challenges with Variants of Uncertain Significa》承认对象或方法限制，未把外推写成无条件　空栏因意义未明变异被过度解释而未进入可行动结果占比分母的对象、取消的操作和无法归类的阴性时间段　异名另见第107号第乙条『肠促胰素：糖尿病药物开始同时调节食欲与体重』

丙、解释预算 —— 每加一层组学，换回多少可行动的判断Multiomics Clinical Utility Precision Medicine

提出Barbieri R、Guryev V、Brandsma CA等，2016 年《Proteogenomics: Key Driver for Clinical Discovery and Personalized Medicine.》，Adv Exp Med Biol 926:21-47，DOI 10.1007/978-3-319-42316-6_3。　争议Reel PS、Reel S、Pearson E等，2021 年《Using machine learning approaches for multi-omics data analysis: A review.》，Biotechnol Adv 49:107739，DOI 10.1016/j.biotechadv.2021.107739。　最新Vitorino R、Ghavami S，2026 年《Convergence: Multi-omics and AI are reshaping the landscape biomedical research.》，Biochim Biophys Acta Mol Basis Dis 1872(2):168027，DOI 10.1016/j.bbadis.2025.168027。　关键每加一层组学，换回多少可行动的判断。

解释预算显影旧账：基因组、暴露和治疗结局过去只认终点；解释预算如今要求对象、路径和失败同表。Barbieri R等2016年的《Proteogenomics: Key Driver for Clinical Discovery and Personalized Medicine.》给出可追踪起点；解释预算据此追问诊断增益分母；解释预算把多组学增加噪声标成未纳入对象，不把它伪装为零效应。解释预算由此阻断旧默认的选择隐藏。

解释预算把主张锁在一个条件：每加一层组学，换回多少可行动的判断。解释预算不让声望、技术新旧或总样本替代它；解释预算要求基因组、暴露和治疗结局移除该条件，若诊断增益仍同方向同量级，本条即被否定。解释预算不把复杂性写成免责；解释预算把背景差异留到第四段，解释预算第二段只给可推翻方向。

解释预算的关键读数来自Barbieri R等2016年记录；PubMed摘要可核对PMID 27686804 的独立记录、2016 年发表版本。解释预算分列规模、比例和区间，解释预算不拿年份冒充效应。解释预算的数字只描述已观察对象的诊断增益；解释预算若遇替代终点与患者结局并存，解释预算只以后者检验迁移，并留DOI或PMID逐句回查。

解释预算的反方入口是Reel PS等2021年的《Using machine learning approaches for multi-omics data analysis: A review.》。该研究重画对象或方法边界；解释预算遇多组学增加噪声便重验诊断增益，允许衰减、消失或反号。中心平均值不能吞掉尾部；解释预算写明场景、时间与版本，解释预算遇任一改变便重估，不把旧方向机械搬进新制度。

解释预算的近年更新由Vitorino R等2026年给出，《Convergence: Multi-omics and AI are reshaping the landscape biomedical research.》包含PMID 40865690 的独立记录、2026 年发表版本。解释预算把更新落到基因组、暴露和治疗结局；解释预算同录停止点和版本，解释预算另记操作者负荷与未完成对象。解释预算若发现采用后诊断增益被考核改写便另立版本；解释预算也防止登记越整齐、多组学增加噪声反而越隐蔽。

解释预算与另见第109号第丙条『伴随诊断：药物标签开始要求检测同批获批』共享名义成功和真实生效的差额；解释预算用诊断增益结算，对方使用另一分母。两边若反向，解释预算先查基因组、暴露和治疗结局是否外置成本。解释预算的证伪读数是：边缘场景中诊断增益仍保持且多组学增加噪声不增加；若该组合出现，解释预算的边界判断失败，若翻转则环境进入机制。解释预算还核对三笔来源的对象是否同类；解释预算若只能复现方向而不能复现量级，结论就降为局部。解释预算把停止与退出留在原分母；解释预算不允许成功发表率替代全部尝试率。解释预算同时保存阴性参数区；解释预算用它区分方法失效、边界越界与版本漂移。

位置E——它把“每加一层组学，换回多少可行动的判断”当成单独够用的那一样　单因决定本条方向的只有每加一层组学，换回多少可行动的判断　预设〔25 失败样本不含信息〕诊断增益的分母与分类边界在比较前已经给定　量纲达到预设诊断增益阈值的对象数／基因组、暴露和治疗结局全部可评估对象数　失效当多组学增加噪声被排除时，诊断增益越高，真实覆盖或长期收益反而可能越低　自曝解释预算自证边界：Reel PS等2021年的《Using machine learning approaches for multi-omics data ana》承认对象或方法限制，未把外推写成无条件　空栏因多组学增加噪声而未进入诊断增益分母的对象、取消的操作和无法归类的阴性时间段　异名另见第109号第丙条『伴随诊断：药物标签开始要求检测同批获批』

丁、反事实响应面 —— 分层收益随人群基线风险与干预可及性变化，且会反号Treatment Effect Heterogeneity Baseline Risk Precision Medicine

提出Lazar AA、Gansky SA、Halstead DD等，2013 年《Improving Patient Care Using the Johnson-Neyman Analysis of Heterogeneity of Treatment Effects According to Individuals' Baseline Characteristics.》，J Dent Oral Craniofac Epidemiol 1(3):19-33，PMID 25705704。　争议Burke JF、Hayward RA、Nelson JP等，2014 年《Using internally developed risk models to assess heterogeneity in treatment effects in clinical trials.》，Circ Cardiovasc Qual Outcomes 7(1):163-9，DOI 10.1161/CIRCOUTCOMES.113.000497。　最新Yuan S、Zou F、Zou B，2026 年《Revised Deep Learning Semiparametric Regression for Testing and Estimating Treatment Effect Heterogeneity in Observational Studies: A Lung Transplant Case Study.》，bioRxiv，DOI 10.64898/2026.04.13.718254。　关键分层收益随人群基线风险与干预可及性变化，且会反号。

反事实响应面结算旧账：医院数据节点与联邦分析网络过去只认终点；反事实响应面如今要求对象、路径和失败同表。Lazar AA等2013年的《Improving Patient Care Using the Johnson-Neyman Analysis of Heterogeneity of Treatment Effects According to Individuals' Baseline Characteristics.》给出可追踪起点；反事实响应面据此追问样本外判别度分母；反事实响应面把体外药敏不能迁移标成未纳入对象，不把它伪装为零效应。反事实响应面由此阻断旧默认的选择隐藏。

反事实响应面把主张锁在一个条件：分层收益随人群基线风险与干预可及性变化，且会反号。反事实响应面不让声望、技术新旧或总样本替代它；反事实响应面要求医院数据节点与联邦分析网络移除该条件，若样本外判别度仍同方向同量级，本条即被否定。反事实响应面不把复杂性写成免责；反事实响应面把背景差异留到第四段，反事实响应面第二段只给可推翻方向。

反事实响应面的关键读数来自Lazar AA等2013年记录；PubMed摘要可核对PMID 25705704 的独立记录、2013 年发表版本。反事实响应面分列规模、比例和区间，反事实响应面不拿年份冒充效应。反事实响应面的数字只描述已观察对象的样本外判别度；反事实响应面若遇替代终点与患者结局并存，反事实响应面只以后者检验迁移，并留DOI或PMID逐句回查。

反事实响应面的反方入口是Burke JF等2014年的《Using internally developed risk models to assess heterogeneity in treatment effects in clinical trials.》。该研究重画对象或方法边界；反事实响应面遇体外药敏不能迁移便重验样本外判别度，允许衰减、消失或反号。中心平均值不能吞掉尾部；反事实响应面写明场景、时间与版本，反事实响应面遇任一改变便重估，不把旧方向机械搬进新制度。

反事实响应面的近年更新由Yuan S等2026年给出，《Revised Deep Learning Semiparametric Regression for Testing and Estimating Treatment Effect Heterogeneity in Observational Studies: A Lung Transplant Case Study.》包含PMID 42039548 的独立记录、2026 年发表版本。反事实响应面把更新落到医院数据节点与联邦分析网络；反事实响应面同录停止点和版本，反事实响应面另记操作者负荷与未完成对象。反事实响应面若发现采用后样本外判别度被考核改写便另立版本；反事实响应面也防止登记越整齐、体外药敏不能迁移反而越隐蔽。

反事实响应面与另见第121号第丁条『跨尺度回写 —— 机构层面的改善何时才转化为人群层面的结局』共享名义成功和真实生效的差额；反事实响应面用样本外判别度结算，对方使用另一分母。两边若反向，反事实响应面先查医院数据节点与联邦分析网络是否外置成本。反事实响应面的证伪读数是：边缘场景中样本外判别度仍保持且体外药敏不能迁移不增加；若该组合出现，反事实响应面的边界判断失败，若翻转则环境进入机制。

位置E——它把“分层收益随人群基线风险与干预可及性变化，且会反号”当成单独够用的那一样　单因决定本条方向的只有分层收益随人群基线风险与干预可及性变化，且会反号　预设〔28 记录存在即可核对〕样本外判别度的分母与分类边界在比较前已经给定　量纲达到预设样本外判别度阈值的对象数／医院数据节点与联邦分析网络全部可评估对象数　失效当体外药敏不能迁移被排除时，样本外判别度越高，真实覆盖或长期收益反而可能越低　自曝反事实响应面自证边界：Burke JF等2014年的《Using internally developed risk models to assess heterogen》承认对象或方法限制，未把外推写成无条件　空栏因体外药敏不能迁移而未进入样本外判别度分母的对象、取消的操作和无法归类的阴性时间段　异名另见第121号第丁条『跨尺度回写 —— 机构层面的改善何时才转化为人群层面的结局』

戊、证据血缘 —— 从一份原始测序数据到一句临床建议，中间的每一步都改变结论Genomic Data Provenance Clinical Interpretation

提出Dinov ID、Petrosyan P、Liu Z等，2014 年《High-throughput neuroimaging-genetics computational infrastructure.》，Front Neuroinform 8:41，DOI 10.3389/fninf.2014.00041。　争议Rusu LI、Wyres KL、Reumann M等，2015 年《A platform for leveraging next generation sequencing for routine microbiology and public health use.》，Health Inf Sci Syst 3(Suppl 1 HISA Big Data in Biomedicine and Healthcare 2013 Con):S7，DOI 10.1186/2047-2501-3-S1-S7。　最新Wack M、Coulet A、Burgun A等，2025 年《Enhancing clinical data warehousing with provenance data to support longitudinal analyses and large file management: The gitOmmix approach for genomic and image data.》，J Biomed Inform 163:104788，DOI 10.1016/j.jbi.2025.104788。　关键从一份原始测序数据到一句临床建议，中间的每一步都改变结论。

证据血缘拆开旧账：变异、表型与知识库版本过去只认终点；证据血缘如今要求对象、路径和失败同表。Dinov ID等2014年的《High-throughput neuroimaging-genetics computational infrastructure.》给出可追踪起点；证据血缘据此追问处方改变率分母；证据血缘把数据不出院却不可复算标成未纳入对象，不把它伪装为零效应。证据血缘由此阻断旧默认的选择隐藏。

证据血缘把主张锁在一个条件：从一份原始测序数据到一句临床建议，中间的每一步都改变结论。证据血缘不让声望、技术新旧或总样本替代它；证据血缘要求变异、表型与知识库版本移除该条件，若处方改变率仍同方向同量级，本条即被否定。证据血缘不把复杂性写成免责；证据血缘把背景差异留到第四段，证据血缘第二段只给可推翻方向。

证据血缘的关键读数来自Dinov ID等2014年记录；PubMed摘要可核对PMID 24795619 的独立记录、2014 年发表版本。证据血缘分列规模、比例和区间，证据血缘不拿年份冒充效应。证据血缘的数字只描述已观察对象的处方改变率；证据血缘若遇替代终点与患者结局并存，证据血缘只以后者检验迁移，并留DOI或PMID逐句回查。

证据血缘的反方入口是Rusu LI等2015年的《A platform for leveraging next generation sequencing for routine microbiology and public health use.》。该研究重画对象或方法边界；证据血缘遇数据不出院却不可复算便重验处方改变率，允许衰减、消失或反号。中心平均值不能吞掉尾部；证据血缘写明场景、时间与版本，证据血缘遇任一改变便重估，不把旧方向机械搬进新制度。

证据血缘的近年更新由Wack M等2025年给出，《Enhancing clinical data warehousing with provenance data to support longitudinal analyses and large file management: The gitOmmix approach for genomic and image data.》包含PMID 39952627 的独立记录、2025 年发表版本。证据血缘把更新落到变异、表型与知识库版本；证据血缘同录停止点和版本，证据血缘另记操作者负荷与未完成对象。证据血缘若发现采用后处方改变率被考核改写便另立版本；证据血缘也防止登记越整齐、数据不出院却不可复算反而越隐蔽。

证据血缘与另见第122号第戊条『动态边界 —— 把成本的边界画到哪里，谁在补贴谁就变了』共享名义成功和真实生效的差额；证据血缘用处方改变率结算，对方使用另一分母。两边若反向，证据血缘先查变异、表型与知识库版本是否外置成本。证据血缘的证伪读数是：边缘场景中处方改变率仍保持且数据不出院却不可复算不增加；若该组合出现，证据血缘的边界判断失败，若翻转则环境进入机制。证据血缘还核对三笔来源的对象是否同类；证据血缘若只能复现方向而不能复现量级，结论就降为局部。证据血缘把停止与退出留在原分母；证据血缘不允许成功发表率替代全部尝试率。

位置E——它把“从一份原始测序数据到一句临床建议，中间的每一步都改变结论”当成单独够用的那一样　单因决定本条方向的只有从一份原始测序数据到一句临床建议，中间的每一步都改变结论　预设〔29 越精细越接近真实〕处方改变率的分母与分类边界在比较前已经给定　量纲达到预设处方改变率阈值的对象数／变异、表型与知识库版本全部可评估对象数　失效当数据不出院却不可复算被排除时，处方改变率越高，真实覆盖或长期收益反而可能越低　自曝证据血缘自证边界：Rusu LI等2015年的《A platform for leveraging next generation sequencing for r》承认对象或方法限制，未把外推写成无条件　空栏因数据不出院却不可复算而未进入处方改变率分母的对象、取消的操作和无法归类的阴性时间段　异名另见第122号第戊条『动态边界 —— 把成本的边界画到哪里，谁在补贴谁就变了』

己、协作拓扑 —— 谁有权推翻解读，决定了分层能不能真正落地Molecular Tumor Board Decision Making

提出Harada S、Arend R、Dai Q等，2017 年《Implementation and utilization of the molecular tumor board to guide precision medicine.》，Oncotarget 8(34):57845-57854，DOI 10.18632/oncotarget.18471。　争议Incorvaia L、Russo A、Cinieri S，2022 年《The molecular tumor board: a tool for the governance of precision oncology in the real world.》，Tumori 108(4):288-290，DOI 10.1177/03008916211062266。　最新Marchetti P、Curigliano G、Westphalen CB等，2026 年《The role of the molecular tumor board: learnings from the ROME trial.》，NPJ Precis Oncol 10(1)，DOI 10.1038/s41698-026-01386-1。　关键谁有权推翻解读，决定了分层能不能真正落地。

协作拓扑倒查旧账：患者、实验室和分子肿瘤委员会过去只认终点；协作拓扑如今要求对象、路径和失败同表。Harada S等2017年的《Implementation and utilization of the molecular tumor board to guide precision medicine.》给出可追踪起点；协作拓扑据此追问致病变异重分类率分母；协作拓扑把参考人群单一标成未纳入对象，不把它伪装为零效应。协作拓扑由此阻断旧默认的选择隐藏。

协作拓扑把主张锁在一个条件：谁有权推翻解读，决定了分层能不能真正落地。协作拓扑不让声望、技术新旧或总样本替代它；协作拓扑要求患者、实验室和分子肿瘤委员会移除该条件，若致病变异重分类率仍同方向同量级，本条即被否定。协作拓扑不把复杂性写成免责；协作拓扑把背景差异留到第四段，协作拓扑第二段只给可推翻方向。

协作拓扑的关键读数来自Harada S等2017年记录；PubMed摘要可核对34.8%、42.4%的比例读数。协作拓扑分列规模、比例和区间，协作拓扑不拿年份冒充效应。协作拓扑的数字只描述已观察对象的致病变异重分类率；协作拓扑若遇替代终点与患者结局并存，协作拓扑只以后者检验迁移，并留DOI或PMID逐句回查。

协作拓扑的反方入口是Incorvaia L等2022年的《The molecular tumor board: a tool for the governance of precision oncology in the real world.》。该研究重画对象或方法边界；协作拓扑遇参考人群单一便重验致病变异重分类率，允许衰减、消失或反号。中心平均值不能吞掉尾部；协作拓扑写明场景、时间与版本，协作拓扑遇任一改变便重估，不把旧方向机械搬进新制度。

协作拓扑的近年更新由Marchetti P等2026年给出，《The role of the molecular tumor board: learnings from the ROME trial.》包含897名对象。协作拓扑把更新落到患者、实验室和分子肿瘤委员会；协作拓扑同录停止点和版本，协作拓扑另记操作者负荷与未完成对象。协作拓扑若发现采用后致病变异重分类率被考核改写便另立版本；协作拓扑也防止登记越整齐、参考人群单一反而越隐蔽。

协作拓扑与另见第125号第己条『价值敏感结构 —— 把延长生命还是把维持自主记得更重，方案就换一套』共享名义成功和真实生效的差额；协作拓扑用致病变异重分类率结算，对方使用另一分母。两边若反向，协作拓扑先查患者、实验室和分子肿瘤委员会是否外置成本。协作拓扑的证伪读数是：边缘场景中致病变异重分类率仍保持且参考人群单一不增加；若该组合出现，协作拓扑的边界判断失败，若翻转则环境进入机制。协作拓扑还核对三笔来源的对象是否同类；协作拓扑若只能复现方向而不能复现量级，结论就降为局部。协作拓扑把停止与退出留在原分母；协作拓扑不允许成功发表率替代全部尝试率。

位置E——它把“谁有权推翻解读，决定了分层能不能真正落地”当成单独够用的那一样　单因决定本条方向的只有谁有权推翻解读，决定了分层能不能真正落地　预设〔30 未被计价的东西不影响结算〕致病变异重分类率的分母与分类边界在比较前已经给定　量纲达到预设致病变异重分类率阈值的对象数／患者、实验室和分子肿瘤委员会全部可评估对象数　失效当参考人群单一被排除时，致病变异重分类率越高，真实覆盖或长期收益反而可能越低　自曝协作拓扑自证边界：Incorvaia L等2022年的《The molecular tumor board: a tool for the governance of pr》承认对象或方法限制，未把外推写成无条件　空栏因参考人群单一而未进入致病变异重分类率分母的对象、取消的操作和无法归类的阴性时间段　异名另见第125号第己条『价值敏感结构 —— 把延长生命还是把维持自主记得更重，方案就换一套』

庚、多基因风险评分：单变异解释转向全基因组累积风险Polygenic Risk Score Clinical Utility Ancestry

提出Euesden J、Lewis CM、O'Reilly PF，2015 年《PRSice: Polygenic Risk Score software.》，Bioinformatics 31(9):1466-8，DOI 10.1093/bioinformatics/btu848。　争议Vassos E、Di Forti M、Coleman J等，2017 年《An Examination of Polygenic Score Risk Prediction in Individuals With First-Episode Psychosis.》，Biol Psychiatry 81(6):470-477，DOI 10.1016/j.biopsych.2016.06.028。　最新Jumentier B、Qu HQ、Lu T等，2026 年《Development and validation of a trans-ancestry polygenic risk score for type 1 diabetes.》，Diabetologia 69(6):1557-1568，DOI 10.1007/s00125-026-06706-5。　关键单变异解释转向全基因组累积风险。

多基因风险评分校准旧账：基因组、暴露和治疗结局过去只认终点；多基因风险评分如今要求对象、路径和失败同表。Euesden J等2015年的《PRSice: Polygenic Risk Score software.》给出可追踪起点；多基因风险评分据此追问可行动结果占比分母；多基因风险评分把意义未明变异被过度解释标成未纳入对象，不把它伪装为零效应。多基因风险评分由此阻断旧默认的选择隐藏。

多基因风险评分把主张锁在一个条件：单变异解释转向全基因组累积风险。多基因风险评分不让声望、技术新旧或总样本替代它；多基因风险评分要求基因组、暴露和治疗结局移除该条件，若可行动结果占比仍同方向同量级，本条即被否定。多基因风险评分不把复杂性写成免责；多基因风险评分把背景差异留到第四段，多基因风险评分第二段只给可推翻方向。

多基因风险评分的关键读数来自Euesden J等2015年记录；PubMed摘要可核对PMID 25550326 的独立记录、2015 年发表版本。多基因风险评分分列规模、比例和区间，多基因风险评分不拿年份冒充效应。多基因风险评分的数字只描述已观察对象的可行动结果占比；多基因风险评分若遇替代终点与患者结局并存，多基因风险评分只以后者检验迁移，并留DOI或PMID逐句回查。

多基因风险评分的反方入口是Vassos E等2017年的《An Examination of Polygenic Score Risk Prediction in Individuals With First-Episode Psychosis.》。该研究重画对象或方法边界；多基因风险评分遇意义未明变异被过度解释便重验可行动结果占比，允许衰减、消失或反号。中心平均值不能吞掉尾部；多基因风险评分写明场景、时间与版本，多基因风险评分遇任一改变便重估，不把旧方向机械搬进新制度。

多基因风险评分的近年更新由Jumentier B等2026年给出，《Development and validation of a trans-ancestry polygenic risk score for type 1 diabetes.》包含PMID 41795035 的独立记录、2026 年发表版本。多基因风险评分把更新落到基因组、暴露和治疗结局；多基因风险评分同录停止点和版本，多基因风险评分另记操作者负荷与未完成对象。多基因风险评分若发现采用后可行动结果占比被考核改写便另立版本；多基因风险评分也防止登记越整齐、意义未明变异被过度解释反而越隐蔽。

多基因风险评分与另见第126号第庚条『目标设定清算：写进病历的目标未必属于患者』共享名义成功和真实生效的差额；多基因风险评分用可行动结果占比结算，对方使用另一分母。两边若反向，多基因风险评分先查基因组、暴露和治疗结局是否外置成本。多基因风险评分的证伪读数是：边缘场景中可行动结果占比仍保持且意义未明变异被过度解释不增加；若该组合出现，多基因风险评分的边界判断失败，若翻转则环境进入机制。

位置S——它把“单变异解释转向全基因组累积风险”当成单独够用的那一样　单因决定本条方向的只有单变异解释转向全基因组累积风险　预设〔21 制度采纳不改变指标含义〕可行动结果占比的分母与分类边界在比较前已经给定　量纲达到预设可行动结果占比阈值的对象数／基因组、暴露和治疗结局全部可评估对象数　失效当意义未明变异被过度解释被排除时，可行动结果占比越高，真实覆盖或长期收益反而可能越低　自曝多基因风险评分自证边界：Vassos E等2017年的《An Examination of Polygenic Score Risk Prediction in Indiv》承认对象或方法限制，未把外推写成无条件　空栏因意义未明变异被过度解释而未进入可行动结果占比分母的对象、取消的操作和无法归类的阴性时间段　异名另见第126号第庚条『目标设定清算：写进病历的目标未必属于患者』

辛、CPIC 用药指南：基因型终于进入可执行处方规则Cpic Pharmacogenomic Guideline Implementation

提出Wilke RA、Ramsey LB、Johnson SG等，2012 年《The clinical pharmacogenomics implementation consortium: CPIC guideline for SLCO1B1 and simvastatin-induced myopathy.》，Clin Pharmacol Ther 92(1):112-7，DOI 10.1038/clpt.2012.57。　争议Caudle KE、Klein TE、Hoffman JM等，2014 年《Incorporation of pharmacogenomics into routine clinical practice: the Clinical Pharmacogenetics Implementation Consortium (CPIC) guideline development process.》，Curr Drug Metab 15(2):209-17，DOI 10.2174/1389200215666140130124910。　最新Maillard M、Schwab M、Whirl-Carrillo M等，2026 年《Clinical Pharmacogenetics Implementation Consortium (CPIC) Guideline for Thiopurine Dosing Based on TPMT and NUDT15 Genotypes: 2025 Update.》，Clin Pharmacol Ther 119(4):916-927，DOI 10.1002/cpt.70209。　关键基因型终于进入可执行处方规则。

CPIC用药指南重画旧账：医院数据节点与联邦分析网络过去只认终点；CPIC用药指南如今要求对象、路径和失败同表。Wilke RA等2012年的《The clinical pharmacogenomics implementation consortium: CPIC guideline for SLCO1B1 and simvastatin-induced myopathy.》给出可追踪起点；CPIC用药指南据此追问诊断增益分母；CPIC用药指南把多组学增加噪声标成未纳入对象，不把它伪装为零效应。CPIC用药指南由此阻断旧默认的选择隐藏。

CPIC用药指南把主张锁在一个条件：基因型终于进入可执行处方规则。CPIC用药指南不让声望、技术新旧或总样本替代它；CPIC用药指南要求医院数据节点与联邦分析网络移除该条件，若诊断增益仍同方向同量级，本条即被否定。CPIC用药指南不把复杂性写成免责；CPIC用药指南把背景差异留到第四段，CPIC用药指南第二段只给可推翻方向。

CPIC用药指南的关键读数来自Wilke RA等2012年记录；PubMed摘要可核对PMID 22617227 的独立记录、2012 年发表版本。CPIC用药指南分列规模、比例和区间，CPIC用药指南不拿年份冒充效应。CPIC用药指南的数字只描述已观察对象的诊断增益；CPIC用药指南若遇替代终点与患者结局并存，CPIC用药指南只以后者检验迁移，并留DOI或PMID逐句回查。

CPIC用药指南的反方入口是Caudle KE等2014年的《Incorporation of pharmacogenomics into routine clinical practice: the Clinical Pharmacogenetics Implementation Consortium (CPIC) guideline development process.》。该研究重画对象或方法边界；CPIC用药指南遇多组学增加噪声便重验诊断增益，允许衰减、消失或反号。中心平均值不能吞掉尾部；CPIC用药指南写明场景、时间与版本，CPIC用药指南遇任一改变便重估，不把旧方向机械搬进新制度。

CPIC用药指南的近年更新由Maillard M等2026年给出，《Clinical Pharmacogenetics Implementation Consortium (CPIC) Guideline for Thiopurine Dosing Based on TPMT and NUDT15 Genotypes: 2025 Update.》包含PMID 41618934 的独立记录、2026 年发表版本。CPIC用药指南把更新落到医院数据节点与联邦分析网络；CPIC用药指南同录停止点和版本，CPIC用药指南另记操作者负荷与未完成对象。CPIC用药指南若发现采用后诊断增益被考核改写便另立版本；CPIC用药指南也防止登记越整齐、多组学增加噪声反而越隐蔽。

CPIC用药指南与另见第306号第辛条『TRIPOD：预测模型必须公开完整生成链』共享名义成功和真实生效的差额；CPIC用药指南用诊断增益结算，对方使用另一分母。两边若反向，CPIC用药指南先查医院数据节点与联邦分析网络是否外置成本。CPIC用药指南的证伪读数是：边缘场景中诊断增益仍保持且多组学增加噪声不增加；若该组合出现，CPIC用药指南的边界判断失败，若翻转则环境进入机制。CPIC用药指南还核对三笔来源的对象是否同类；CPIC用药指南若只能复现方向而不能复现量级，结论就降为局部。CPIC用药指南把停止与退出留在原分母；CPIC用药指南不允许成功发表率替代全部尝试率。CPIC用药指南同时保存阴性参数区；CPIC用药指南用它区分方法失效、边界越界与版本漂移。

位置S——它把“基因型终于进入可执行处方规则”当成单独够用的那一样　单因决定本条方向的只有基因型终于进入可执行处方规则　预设〔22 通过形式审查等于实质合规〕诊断增益的分母与分类边界在比较前已经给定　量纲达到预设诊断增益阈值的对象数／医院数据节点与联邦分析网络全部可评估对象数　失效当多组学增加噪声被排除时，诊断增益越高，真实覆盖或长期收益反而可能越低　自曝CPIC用药指南自证边界：Caudle KE等2014年的《Incorporation of pharmacogenomics into routine clinical pr》承认对象或方法限制，未把外推写成无条件　空栏因多组学增加噪声而未进入诊断增益分母的对象、取消的操作和无法归类的阴性时间段　异名另见第306号第辛条『TRIPOD：预测模型必须公开完整生成链』
【第二幕】这十年 · 约 2016–2026 · 十二条部署与清算

第二幕转向部署、版本与边缘对象：工具进入制度以后，致病变异重分类率是否仍测同一件事，成为2016—2026年的主问题。

一、介生态 —— 意义未明不是一个待办事项，而是一种可研究的状态Variant Uncertain Significance Longitudinal Study

提出Rehm HL、Alaimo JT、Aradhya S等，2023 年《The landscape of reported VUS in multi-gene panel and genomic testing: Time for a change.》，Genet Med 25(12):100947，DOI 10.1016/j.gim.2023.100947。　争议Lascurain S、Thull D、Durst A等，2024 年《Release of reclassified VUS results of now deceased patients to family members: Practices and opinions.》，J Genet Couns 33(6):1262-1270，DOI 10.1002/jgc4.1848。　最新Bennett G、Karbassi I、Chen W等，2025 年《Distinct rates of VUS reclassification are observed when subclassifying VUS by evidence level.》，Genet Med 27(6):101400，DOI 10.1016/j.gim.2025.101400。　关键意义未明不是一个待办事项，而是一种可研究的状态。

介生态追踪旧账：变异、表型与知识库版本过去只认终点；介生态如今要求对象、路径和失败同表。Rehm HL等2023年的《The landscape of reported VUS in multi-gene panel and genomic testing: Time for a change.》给出可追踪起点；介生态据此追问样本外判别度分母；介生态把体外药敏不能迁移标成未纳入对象，不把它伪装为零效应。介生态由此阻断旧默认的选择隐藏。

介生态把主张锁在一个条件：意义未明不是一个待办事项，而是一种可研究的状态。介生态不让声望、技术新旧或总样本替代它；介生态要求变异、表型与知识库版本移除该条件，若样本外判别度仍同方向同量级，本条即被否定。介生态不把复杂性写成免责；介生态把背景差异留到第四段，介生态第二段只给可推翻方向。

介生态的关键读数来自Rehm HL等2023年记录；PubMed摘要可核对22.5%、32.6%的比例读数。介生态分列规模、比例和区间，介生态不拿年份冒充效应。介生态的数字只描述已观察对象的样本外判别度；介生态若遇替代终点与患者结局并存，介生态只以后者检验迁移，并留DOI或PMID逐句回查。

介生态的反方入口是Lascurain S等2024年的《Release of reclassified VUS results of now deceased patients to family members: Practices and opinions.》。该研究重画对象或方法边界；介生态遇体外药敏不能迁移便重验样本外判别度，允许衰减、消失或反号。中心平均值不能吞掉尾部；介生态写明场景、时间与版本，介生态遇任一改变便重估，不把旧方向机械搬进新制度。

介生态的近年更新由Bennett G等2025年给出，《Distinct rates of VUS reclassification are observed when subclassifying VUS by evidence level.》包含PMID 40035215 的独立记录、2025 年发表版本。介生态把更新落到变异、表型与知识库版本；介生态同录停止点和版本，介生态另记操作者负荷与未完成对象。介生态若发现采用后样本外判别度被考核改写便另立版本；介生态也防止登记越整齐、体外药敏不能迁移反而越隐蔽。

介生态与另见第101号第一条『新辅助免疫：病灶尚在时训练免疫系统』共享名义成功和真实生效的差额；介生态用样本外判别度结算，对方使用另一分母。两边若反向，介生态先查变异、表型与知识库版本是否外置成本。介生态的证伪读数是：边缘场景中样本外判别度仍保持且体外药敏不能迁移不增加；若该组合出现，介生态的边界判断失败，若翻转则环境进入机制。介生态还核对三笔来源的对象是否同类；介生态若只能复现方向而不能复现量级，结论就降为局部。介生态把停止与退出留在原分母；介生态不允许成功发表率替代全部尝试率。介生态同时保存阴性参数区；介生态用它区分方法失效、边界越界与版本漂移。介生态最后登记未被计价的劳动和时间；介生态据此判断收益是否只是成本转移。

位置S——它把“意义未明不是一个待办事项，而是一种可研究的状态”当成单独够用的那一样　单因决定本条方向的只有意义未明不是一个待办事项，而是一种可研究的状态　预设〔25 失败样本不含信息〕样本外判别度的分母与分类边界在比较前已经给定　量纲达到预设样本外判别度阈值的对象数／变异、表型与知识库版本全部可评估对象数　失效当体外药敏不能迁移被排除时，样本外判别度越高，真实覆盖或长期收益反而可能越低　自曝介生态自证边界：Lascurain S等2024年的《Release of reclassified VUS results of now deceased patien》承认对象或方法限制，未把外推写成无条件　空栏因体外药敏不能迁移而未进入样本外判别度分母的对象、取消的操作和无法归类的阴性时间段　异名另见第101号第一条『新辅助免疫：病灶尚在时训练免疫系统』

二、对称破缺治理 —— 同样有前景的两个分层标志物，为何只有一个进了指南Biomarker Guideline Adoption Evidence

提出Savva KV、Kawka M、Vadhwana B等，2023 年《The Biomarker Toolkit - an evidence-based guideline to predict cancer biomarker success and guide development.》，BMC Med 21(1):383，DOI 10.1186/s12916-023-03075-3。　争议Liu S、Tan DS、Graves N等，2023 年《Economic Evaluations of Imaging Biomarker-Driven Companion Diagnostics for Cancer: A Systematic Review.》，Appl Health Econ Health Policy 21(6):841-855，DOI 10.1007/s40258-023-00833-5。　最新Gori S、Venturelli F、Carozzi F等，2025 年《Italian guidelines for cervical cancer screening. Multisocietal recommendations on the use of biomarkers in HPV screening with risk-based approach and GRADE methodology.》，Br J Cancer 133(8):1076-1084，DOI 10.1038/s41416-025-03161-8。　关键同样有前景的两个分层标志物，为何只有一个进了指南。

对称破缺治理揭开旧账：患者、实验室和分子肿瘤委员会过去只认终点；对称破缺治理如今要求对象、路径和失败同表。Savva KV等2023年的《The Biomarker Toolkit - an evidence-based guideline to predict cancer biomarker success and guide development.》给出可追踪起点；对称破缺治理据此追问处方改变率分母；对称破缺治理把数据不出院却不可复算标成未纳入对象，不把它伪装为零效应。对称破缺治理由此阻断旧默认的选择隐藏。

对称破缺治理把主张锁在一个条件：同样有前景的两个分层标志物，为何只有一个进了指南。对称破缺治理不让声望、技术新旧或总样本替代它；对称破缺治理要求患者、实验室和分子肿瘤委员会移除该条件，若处方改变率仍同方向同量级，本条即被否定。对称破缺治理不把复杂性写成免责；对称破缺治理把背景差异留到第四段，对称破缺治理第二段只给可推翻方向。

对称破缺治理的关键读数来自Savva KV等2023年记录；PubMed摘要可核对34名对象、88.23%、75%的比例读数。对称破缺治理分列规模、比例和区间，对称破缺治理不拿年份冒充效应。对称破缺治理的数字只描述已观察对象的处方改变率；对称破缺治理若遇替代终点与患者结局并存，对称破缺治理只以后者检验迁移，并留DOI或PMID逐句回查。

对称破缺治理的反方入口是Liu S等2023年的《Economic Evaluations of Imaging Biomarker-Driven Companion Diagnostics for Cancer: A Systematic Review.》。该研究重画对象或方法边界；对称破缺治理遇数据不出院却不可复算便重验处方改变率，允许衰减、消失或反号。中心平均值不能吞掉尾部；对称破缺治理写明场景、时间与版本，对称破缺治理遇任一改变便重估，不把旧方向机械搬进新制度。

对称破缺治理的近年更新由Gori S等2025年给出，《Italian guidelines for cervical cancer screening. Multisocietal recommendations on the use of biomarkers in HPV screening with risk-based approach and GRADE methodology.》包含PMID 40931128 的独立记录、2025 年发表版本。对称破缺治理把更新落到患者、实验室和分子肿瘤委员会；对称破缺治理同录停止点和版本，对称破缺治理另记操作者负荷与未完成对象。对称破缺治理若发现采用后处方改变率被考核改写便另立版本；对称破缺治理也防止登记越整齐、数据不出院却不可复算反而越隐蔽。

对称破缺治理与另见第107号第二条『时间范围：CGM 产生新的共同语言』共享名义成功和真实生效的差额；对称破缺治理用处方改变率结算，对方使用另一分母。两边若反向，对称破缺治理先查患者、实验室和分子肿瘤委员会是否外置成本。对称破缺治理的证伪读数是：边缘场景中处方改变率仍保持且数据不出院却不可复算不增加；若该组合出现，对称破缺治理的边界判断失败，若翻转则环境进入机制。对称破缺治理还核对三笔来源的对象是否同类；对称破缺治理若只能复现方向而不能复现量级，结论就降为局部。

位置S——它把“同样有前景的两个分层标志物，为何只有一个进了指南”当成单独够用的那一样　单因决定本条方向的只有同样有前景的两个分层标志物，为何只有一个进了指南　预设〔28 记录存在即可核对〕处方改变率的分母与分类边界在比较前已经给定　量纲达到预设处方改变率阈值的对象数／患者、实验室和分子肿瘤委员会全部可评估对象数　失效当数据不出院却不可复算被排除时，处方改变率越高，真实覆盖或长期收益反而可能越低　自曝对称破缺治理自证边界：Liu S等2023年的《Economic Evaluations of Imaging Biomarker-Driven Companion》承认对象或方法限制，未把外推写成无条件　空栏因数据不出院却不可复算而未进入处方改变率分母的对象、取消的操作和无法归类的阴性时间段　异名另见第107号第二条『时间范围：CGM 产生新的共同语言』

三、价值敏感结构 —— 把假阳性还是把漏检记得更重，最优检测策略就换一套Precision Medicine False Positive Threshold

提出Bayefsky MJ、Caplan AL、Hoskins IA，2022 年《Evaluating Expanded Noninvasive Prenatal Screening.》，Obstet Gynecol 139(6):1009-1011，DOI 10.1097/AOG.0000000000004809。　争议Casper RF，2023 年《PGT-A: Houston, we have a problem.》，J Assist Reprod Genet 40(10):2325-2332，DOI 10.1007/s10815-023-02913-w。　最新Poulton A、Hui L，2025 年《Noninvasive prenatal testing: an overview.》，Aust Prescr 48(2):47-53，DOI 10.18773/austprescr.2025.019。　关键把假阳性还是把漏检记得更重，最优检测策略就换一套。

价值敏感结构重算旧账：基因组、暴露和治疗结局过去只认终点；价值敏感结构如今要求对象、路径和失败同表。Bayefsky MJ等2022年的《Evaluating Expanded Noninvasive Prenatal Screening.》给出可追踪起点；价值敏感结构据此追问致病变异重分类率分母；价值敏感结构把参考人群单一标成未纳入对象，不把它伪装为零效应。价值敏感结构由此阻断旧默认的选择隐藏。

价值敏感结构把主张锁在一个条件：把假阳性还是把漏检记得更重，最优检测策略就换一套。价值敏感结构不让声望、技术新旧或总样本替代它；价值敏感结构要求基因组、暴露和治疗结局移除该条件，若致病变异重分类率仍同方向同量级，本条即被否定。价值敏感结构不把复杂性写成免责；价值敏感结构把背景差异留到第四段，价值敏感结构第二段只给可推翻方向。

价值敏感结构的关键读数来自Bayefsky MJ等2022年记录；PubMed摘要可核对PMID 35675597 的独立记录、2022 年发表版本。价值敏感结构分列规模、比例和区间，价值敏感结构不拿年份冒充效应。价值敏感结构的数字只描述已观察对象的致病变异重分类率；价值敏感结构若遇替代终点与患者结局并存，价值敏感结构只以后者检验迁移，并留DOI或PMID逐句回查。

价值敏感结构的反方入口是Casper RF等2023年的《PGT-A: Houston, we have a problem.》。该研究重画对象或方法边界；价值敏感结构遇参考人群单一便重验致病变异重分类率，允许衰减、消失或反号。中心平均值不能吞掉尾部；价值敏感结构写明场景、时间与版本，价值敏感结构遇任一改变便重估，不把旧方向机械搬进新制度。

价值敏感结构的近年更新由Poulton A等2025年给出，《Noninvasive prenatal testing: an overview.》包含PMID 40343140 的独立记录、2025 年发表版本。价值敏感结构把更新落到基因组、暴露和治疗结局；价值敏感结构同录停止点和版本，价值敏感结构另记操作者负荷与未完成对象。价值敏感结构若发现采用后致病变异重分类率被考核改写便另立版本；价值敏感结构也防止登记越整齐、参考人群单一反而越隐蔽。

价值敏感结构与另见第109号第三条『单细胞病理：平均肿瘤被拆成细胞状态谱』共享名义成功和真实生效的差额；价值敏感结构用致病变异重分类率结算，对方使用另一分母。两边若反向，价值敏感结构先查基因组、暴露和治疗结局是否外置成本。价值敏感结构的证伪读数是：边缘场景中致病变异重分类率仍保持且参考人群单一不增加；若该组合出现，价值敏感结构的边界判断失败，若翻转则环境进入机制。价值敏感结构还核对三笔来源的对象是否同类；价值敏感结构若只能复现方向而不能复现量级，结论就降为局部。

位置S——它把“把假阳性还是把漏检记得更重，最优检测策略就换一套”当成单独够用的那一样　单因决定本条方向的只有把假阳性还是把漏检记得更重，最优检测策略就换一套　预设〔29 越精细越接近真实〕致病变异重分类率的分母与分类边界在比较前已经给定　量纲达到预设致病变异重分类率阈值的对象数／基因组、暴露和治疗结局全部可评估对象数　失效当参考人群单一被排除时，致病变异重分类率越高，真实覆盖或长期收益反而可能越低　自曝价值敏感结构自证边界：Casper RF等2023年的《PGT-A: Houston, we have a problem.》承认对象或方法限制，未把外推写成无条件　空栏因参考人群单一而未进入致病变异重分类率分母的对象、取消的操作和无法归类的阴性时间段　异名另见第109号第三条『单细胞病理：平均肿瘤被拆成细胞状态谱』

四、可能性库 —— 被搁置的分层假说，其否决理由多半是当时的数据不足Failed Precision Medicine Biomarker

提出Hayes DF，2015 年《Biomarker validation and testing.》，Mol Oncol 9(5):960-6，DOI 10.1016/j.molonc.2014.10.004。　争议McShane LM，2019 年《Biomarker Validation: Context and Complexities.》，J Law Med Ethics 47(3):388-392，DOI 10.1177/1073110519876169。　最新Moqri M、Herzog C、Poganik JR等，2024 年《Validation of biomarkers of aging.》，Nat Med 30(2):360-372，DOI 10.1038/s41591-023-02784-9。　关键被搁置的分层假说，其否决理由多半是当时的数据不足。

可能性库复核旧账：医院数据节点与联邦分析网络过去只认终点；可能性库如今要求对象、路径和失败同表。Hayes DF等2015年的《Biomarker validation and testing.》给出可追踪起点；可能性库据此追问可行动结果占比分母；可能性库把意义未明变异被过度解释标成未纳入对象，不把它伪装为零效应。可能性库由此阻断旧默认的选择隐藏。

可能性库把主张锁在一个条件：被搁置的分层假说，其否决理由多半是当时的数据不足。可能性库不让声望、技术新旧或总样本替代它；可能性库要求医院数据节点与联邦分析网络移除该条件，若可行动结果占比仍同方向同量级，本条即被否定。可能性库不把复杂性写成免责；可能性库把背景差异留到第四段，可能性库第二段只给可推翻方向。

可能性库的关键读数来自Hayes DF等2015年记录；PubMed摘要可核对PMID 25458054 的独立记录、2015 年发表版本。可能性库分列规模、比例和区间，可能性库不拿年份冒充效应。可能性库的数字只描述已观察对象的可行动结果占比；可能性库若遇替代终点与患者结局并存，可能性库只以后者检验迁移，并留DOI或PMID逐句回查。

可能性库的反方入口是McShane LM等2019年的《Biomarker Validation: Context and Complexities.》。该研究重画对象或方法边界；可能性库遇意义未明变异被过度解释便重验可行动结果占比，允许衰减、消失或反号。中心平均值不能吞掉尾部；可能性库写明场景、时间与版本，可能性库遇任一改变便重估，不把旧方向机械搬进新制度。

可能性库的近年更新由Moqri M等2024年给出，《Validation of biomarkers of aging.》包含PMID 38355974 的独立记录、2024 年发表版本。可能性库把更新落到医院数据节点与联邦分析网络；可能性库同录停止点和版本，可能性库另记操作者负荷与未完成对象。可能性库若发现采用后可行动结果占比被考核改写便另立版本；可能性库也防止登记越整齐、意义未明变异被过度解释反而越隐蔽。

可能性库与另见第121号第四条『对称破缺治理 —— 同样条件的两个地区，为何走上完全不同的体系路径』共享名义成功和真实生效的差额；可能性库用可行动结果占比结算，对方使用另一分母。两边若反向，可能性库先查医院数据节点与联邦分析网络是否外置成本。可能性库的证伪读数是：边缘场景中可行动结果占比仍保持且意义未明变异被过度解释不增加；若该组合出现，可能性库的边界判断失败，若翻转则环境进入机制。可能性库还核对三笔来源的对象是否同类；可能性库若只能复现方向而不能复现量级，结论就降为局部。

位置S——它把“被搁置的分层假说，其否决理由多半是当时的数据不足”当成单独够用的那一样　单因决定本条方向的只有被搁置的分层假说，其否决理由多半是当时的数据不足　预设〔30 未被计价的东西不影响结算〕可行动结果占比的分母与分类边界在比较前已经给定　量纲达到预设可行动结果占比阈值的对象数／医院数据节点与联邦分析网络全部可评估对象数　失效当意义未明变异被过度解释被排除时，可行动结果占比越高，真实覆盖或长期收益反而可能越低　自曝可能性库自证边界：McShane LM等2019年的《Biomarker Validation: Context and Complexities.》承认对象或方法限制，未把外推写成无条件　空栏因意义未明变异被过度解释而未进入可行动结果占比分母的对象、取消的操作和无法归类的阴性时间段　异名另见第121号第四条『对称破缺治理 —— 同样条件的两个地区，为何走上完全不同的体系路径』

五、罕见病全基因组：诊断率必须与未解释病例同报Rare Disease Whole Genome Sequencing Diagnostic Yield

提出Pagnamenta AT、Camps C、Giacopuzzi E等，2023 年《Structural and non-coding variants increase the diagnostic yield of clinical whole genome sequencing for rare diseases.》，Genome Med 15(1):94，DOI 10.1186/s13073-023-01240-0。　争议Nurchis MC、Altamura G、Riccardi MT等，2023 年《Whole genome sequencing diagnostic yield for paediatric patients with suspected genetic disorders: systematic review, meta-analysis, and GRADE assessment.》，Arch Public Health 81(1):93，DOI 10.1186/s13690-023-01112-4。　最新Pandey R、Brennan NF、Trachana K等，2025 年《A meta-analysis of diagnostic yield and clinical utility of genome and exome sequencing in pediatric rare and undiagnosed genetic diseases.》，Genet Med 27(6):101398，DOI 10.1016/j.gim.2025.101398。　关键诊断率必须与未解释病例同报。

罕见病全基因组翻转旧账：变异、表型与知识库版本过去只认终点；罕见病全基因组如今要求对象、路径和失败同表。Pagnamenta AT等2023年的《Structural and non-coding variants increase the diagnostic yield of clinical whole genome sequencing for rare diseases.》给出可追踪起点；罕见病全基因组据此追问诊断增益分母；罕见病全基因组把多组学增加噪声标成未纳入对象，不把它伪装为零效应。罕见病全基因组由此阻断旧默认的选择隐藏。

罕见病全基因组把主张锁在一个条件：诊断率必须与未解释病例同报。罕见病全基因组不让声望、技术新旧或总样本替代它；罕见病全基因组要求变异、表型与知识库版本移除该条件，若诊断增益仍同方向同量级，本条即被否定。罕见病全基因组不把复杂性写成免责；罕见病全基因组把背景差异留到第四段，罕见病全基因组第二段只给可推翻方向。

罕见病全基因组的关键读数来自Pagnamenta AT等2023年记录；PubMed摘要可核对30%、35%的比例读数。罕见病全基因组分列规模、比例和区间，罕见病全基因组不拿年份冒充效应。罕见病全基因组的数字只描述已观察对象的诊断增益；罕见病全基因组若遇替代终点与患者结局并存，罕见病全基因组只以后者检验迁移，并留DOI或PMID逐句回查。

罕见病全基因组的反方入口是Nurchis MC等2023年的《Whole genome sequencing diagnostic yield for paediatric patients with suspected genetic disorders: systematic review, meta-analysis, and GRADE assessment.》。该研究重画对象或方法边界；罕见病全基因组遇多组学增加噪声便重验诊断增益，允许衰减、消失或反号。中心平均值不能吞掉尾部；罕见病全基因组写明场景、时间与版本，罕见病全基因组遇任一改变便重估，不把旧方向机械搬进新制度。

罕见病全基因组的近年更新由Pandey R等2025年给出，《A meta-analysis of diagnostic yield and clinical utility of genome and exome sequencing in pediatric rare and undiagnosed genetic diseases.》包含108项研究、13名对象、34.2%、95%的比例读数。罕见病全基因组把更新落到变异、表型与知识库版本；罕见病全基因组同录停止点和版本，罕见病全基因组另记操作者负荷与未完成对象。罕见病全基因组若发现采用后诊断增益被考核改写便另立版本；罕见病全基因组也防止登记越整齐、多组学增加噪声反而越隐蔽。

罕见病全基因组与另见第122号第五条『信息价值分析：不确定性本身可以决定是否继续研究』共享名义成功和真实生效的差额；罕见病全基因组用诊断增益结算，对方使用另一分母。两边若反向，罕见病全基因组先查变异、表型与知识库版本是否外置成本。罕见病全基因组的证伪读数是：边缘场景中诊断增益仍保持且多组学增加噪声不增加；若该组合出现，罕见病全基因组的边界判断失败，若翻转则环境进入机制。罕见病全基因组还核对三笔来源的对象是否同类；罕见病全基因组若只能复现方向而不能复现量级，结论就降为局部。

位置D——它把“诊断率必须与未解释病例同报”当成单独够用的那一样　单因决定本条方向的只有诊断率必须与未解释病例同报　预设〔21 制度采纳不改变指标含义〕诊断增益的分母与分类边界在比较前已经给定　量纲达到预设诊断增益阈值的对象数／变异、表型与知识库版本全部可评估对象数　失效当多组学增加噪声被排除时，诊断增益越高，真实覆盖或长期收益反而可能越低　自曝罕见病全基因组自证边界：Nurchis MC等2023年的《Whole genome sequencing diagnostic yield for paediatric pa》承认对象或方法限制，未把外推写成无条件　空栏因多组学增加噪声而未进入诊断增益分母的对象、取消的操作和无法归类的阴性时间段　异名另见第122号第五条『信息价值分析：不确定性本身可以决定是否继续研究』

六、液体活检：肿瘤监测从组织切片转向时间序列Circulating Tumor Dna Longitudinal Monitoring

提出Gouda MA、Huang HJ、Piha-Paul SA等，2022 年《Longitudinal Monitoring of Circulating Tumor DNA to Predict Treatment Outcomes in Advanced Cancers.》，JCO Precis Oncol 6:e2100512，DOI 10.1200/PO.21.00512。　争议Kim JJ、Kim HY、Choi Z等，2023 年《In-depth circulating tumor DNA sequencing for prognostication and monitoring in natural killer/T-cell lymphomas.》，Front Oncol 13:1109715，DOI 10.3389/fonc.2023.1109715。　最新Garcia-Murillas I、Cutts RJ、Walsh-Crestani G等，2025 年《Longitudinal monitoring of circulating tumor DNA to detect relapse early and predict outcome in early breast cancer.》，Breast Cancer Res Treat 209(3):493-502，DOI 10.1007/s10549-024-07508-2。　关键肿瘤监测从组织切片转向时间序列。

液体活检约束旧账：患者、实验室和分子肿瘤委员会过去只认终点；液体活检如今要求对象、路径和失败同表。Gouda MA等2022年的《Longitudinal Monitoring of Circulating Tumor DNA to Predict Treatment Outcomes in Advanced Cancers.》给出可追踪起点；液体活检据此追问样本外判别度分母；液体活检把体外药敏不能迁移标成未纳入对象，不把它伪装为零效应。液体活检由此阻断旧默认的选择隐藏。

液体活检把主张锁在一个条件：肿瘤监测从组织切片转向时间序列。液体活检不让声望、技术新旧或总样本替代它；液体活检要求患者、实验室和分子肿瘤委员会移除该条件，若样本外判别度仍同方向同量级，本条即被否定。液体活检不把复杂性写成免责；液体活检把背景差异留到第四段，液体活检第二段只给可推翻方向。

液体活检的关键读数来自Gouda MA等2022年记录；PubMed摘要可核对204名对象、73%的比例读数。液体活检分列规模、比例和区间，液体活检不拿年份冒充效应。液体活检的数字只描述已观察对象的样本外判别度；液体活检若遇替代终点与患者结局并存，液体活检只以后者检验迁移，并留DOI或PMID逐句回查。

液体活检的反方入口是Kim JJ等2023年的《In-depth circulating tumor DNA sequencing for prognostication and monitoring in natural killer/T-cell lymphomas.》。该研究重画对象或方法边界；液体活检遇体外药敏不能迁移便重验样本外判别度，允许衰减、消失或反号。中心平均值不能吞掉尾部；液体活检写明场景、时间与版本，液体活检遇任一改变便重估，不把旧方向机械搬进新制度。

液体活检的近年更新由Garcia-Murillas I等2025年给出，《Longitudinal monitoring of circulating tumor DNA to detect relapse early and predict outcome in early breast cancer.》包含76.9%、100%的比例读数、95%置信区间端点95至10。液体活检把更新落到患者、实验室和分子肿瘤委员会；液体活检同录停止点和版本，液体活检另记操作者负荷与未完成对象。液体活检若发现采用后样本外判别度被考核改写便另立版本；液体活检也防止登记越整齐、体外药敏不能迁移反而越隐蔽。

液体活检与另见第125号第六条『居家医院：地点替代必须带走诊断与升级能力』共享名义成功和真实生效的差额；液体活检用样本外判别度结算，对方使用另一分母。两边若反向，液体活检先查患者、实验室和分子肿瘤委员会是否外置成本。液体活检的证伪读数是：边缘场景中样本外判别度仍保持且体外药敏不能迁移不增加；若该组合出现，液体活检的边界判断失败，若翻转则环境进入机制。液体活检还核对三笔来源的对象是否同类；液体活检若只能复现方向而不能复现量级，结论就降为局部。液体活检把停止与退出留在原分母；液体活检不允许成功发表率替代全部尝试率。

位置D——它把“肿瘤监测从组织切片转向时间序列”当成单独够用的那一样　单因决定本条方向的只有肿瘤监测从组织切片转向时间序列　预设〔22 通过形式审查等于实质合规〕样本外判别度的分母与分类边界在比较前已经给定　量纲达到预设样本外判别度阈值的对象数／患者、实验室和分子肿瘤委员会全部可评估对象数　失效当体外药敏不能迁移被排除时，样本外判别度越高，真实覆盖或长期收益反而可能越低　自曝液体活检自证边界：Kim JJ等2023年的《In-depth circulating tumor DNA sequencing for prognosticat》承认对象或方法限制，未把外推写成无条件　空栏因体外药敏不能迁移而未进入样本外判别度分母的对象、取消的操作和无法归类的阴性时间段　异名另见第125号第六条『居家医院：地点替代必须带走诊断与升级能力』

七、分子肿瘤委员会：知识库与临床判断组成联合装置Molecular Tumor Board Clinical Outcomes

提出Missios P、Beha J、Bitzer M等，2021 年《[The molecular tumor board].》，Chirurg 92(11):1011-1015，DOI 10.1007/s00104-021-01487-6。　争议Behel V、Noronha V、Choughule A等，2022 年《Impact of Molecular Tumor Board on the Clinical Management of Patients With Cancer.》，JCO Glob Oncol 8:e2200030，DOI 10.1200/GO.22.00030。　最新Nichetti F、Brambilla M、Duca M等，2025 年《Real-World Outcomes of Molecular Tumor Board Treatment Recommendations.》，JCO Precis Oncol 9:e2400387，DOI 10.1200/PO-24-00387。　关键知识库与临床判断组成联合装置。

分子肿瘤委员会穿透旧账：基因组、暴露和治疗结局过去只认终点；分子肿瘤委员会如今要求对象、路径和失败同表。Missios P等2021年的《[The molecular tumor board].》给出可追踪起点；分子肿瘤委员会据此追问处方改变率分母；分子肿瘤委员会把数据不出院却不可复算标成未纳入对象，不把它伪装为零效应。分子肿瘤委员会由此阻断旧默认的选择隐藏。

分子肿瘤委员会把主张锁在一个条件：知识库与临床判断组成联合装置。分子肿瘤委员会不让声望、技术新旧或总样本替代它；分子肿瘤委员会要求基因组、暴露和治疗结局移除该条件，若处方改变率仍同方向同量级，本条即被否定。分子肿瘤委员会不把复杂性写成免责；分子肿瘤委员会把背景差异留到第四段，分子肿瘤委员会第二段只给可推翻方向。

分子肿瘤委员会的关键读数来自Missios P等2021年记录；PubMed摘要可核对70%的比例读数。分子肿瘤委员会分列规模、比例和区间，分子肿瘤委员会不拿年份冒充效应。分子肿瘤委员会的数字只描述已观察对象的处方改变率；分子肿瘤委员会若遇替代终点与患者结局并存，分子肿瘤委员会只以后者检验迁移，并留DOI或PMID逐句回查。

分子肿瘤委员会的反方入口是Behel V等2022年的《Impact of Molecular Tumor Board on the Clinical Management of Patients With Cancer.》。该研究重画对象或方法边界；分子肿瘤委员会遇数据不出院却不可复算便重验处方改变率，允许衰减、消失或反号。中心平均值不能吞掉尾部；分子肿瘤委员会写明场景、时间与版本，分子肿瘤委员会遇任一改变便重估，不把旧方向机械搬进新制度。

分子肿瘤委员会的近年更新由Nichetti F等2025年给出，《Real-World Outcomes of Molecular Tumor Board Treatment Recommendations.》包含25.2%、6.4%的比例读数。分子肿瘤委员会把更新落到基因组、暴露和治疗结局；分子肿瘤委员会同录停止点和版本，分子肿瘤委员会另记操作者负荷与未完成对象。分子肿瘤委员会若发现采用后处方改变率被考核改写便另立版本；分子肿瘤委员会也防止登记越整齐、数据不出院却不可复算反而越隐蔽。

分子肿瘤委员会与另见第126号第七条『外骨骼步行：设备内会走，不等于设备外恢复』共享名义成功和真实生效的差额；分子肿瘤委员会用处方改变率结算，对方使用另一分母。两边若反向，分子肿瘤委员会先查基因组、暴露和治疗结局是否外置成本。分子肿瘤委员会的证伪读数是：边缘场景中处方改变率仍保持且数据不出院却不可复算不增加；若该组合出现，分子肿瘤委员会的边界判断失败，若翻转则环境进入机制。

位置D——它把“知识库与临床判断组成联合装置”当成单独够用的那一样　单因决定本条方向的只有知识库与临床判断组成联合装置　预设〔25 失败样本不含信息〕处方改变率的分母与分类边界在比较前已经给定　量纲达到预设处方改变率阈值的对象数／基因组、暴露和治疗结局全部可评估对象数　失效当数据不出院却不可复算被排除时，处方改变率越高，真实覆盖或长期收益反而可能越低　自曝分子肿瘤委员会自证边界：Behel V等2022年的《Impact of Molecular Tumor Board on the Clinical Management》承认对象或方法限制，未把外推写成无条件　空栏因数据不出院却不可复算而未进入处方改变率分母的对象、取消的操作和无法归类的阴性时间段　异名另见第126号第七条『外骨骼步行：设备内会走，不等于设备外恢复』

八、患者来源类器官：体外药敏能否迁移到患者成为新试验Patient Derived Organoid Precision Oncology

提出Guillen KP、Fujita M、Butterfield AJ等，2022 年《A human breast cancer-derived xenograft and organoid platform for drug discovery and precision oncology.》，Nat Cancer 3(2):232-250，DOI 10.1038/s43018-022-00337-6。　争议Ding S、Hsu C、Wang Z等，2022 年《Patient-derived micro-organospheres enable clinical precision oncology.》，Cell Stem Cell 29(6):905-917.e6，DOI 10.1016/j.stem.2022.04.006。　最新Thorel L、Perréard M、Florent R等，2024 年《Patient-derived tumor organoids: a new avenue for preclinical research and precision medicine in oncology.》，Exp Mol Med 56(7):1531-1551，DOI 10.1038/s12276-024-01272-5。　关键体外药敏能否迁移到患者成为新试验。

患者来源类器官定位旧账：医院数据节点与联邦分析网络过去只认终点；患者来源类器官如今要求对象、路径和失败同表。Guillen KP等2022年的《A human breast cancer-derived xenograft and organoid platform for drug discovery and precision oncology.》给出可追踪起点；患者来源类器官据此追问致病变异重分类率分母；患者来源类器官把参考人群单一标成未纳入对象，不把它伪装为零效应。患者来源类器官由此阻断旧默认的选择隐藏。

患者来源类器官把主张锁在一个条件：体外药敏能否迁移到患者成为新试验。患者来源类器官不让声望、技术新旧或总样本替代它；患者来源类器官要求医院数据节点与联邦分析网络移除该条件，若致病变异重分类率仍同方向同量级，本条即被否定。患者来源类器官不把复杂性写成免责；患者来源类器官把背景差异留到第四段，患者来源类器官第二段只给可推翻方向。

患者来源类器官的关键读数来自Guillen KP等2022年记录；PubMed摘要可核对PMID 35221336 的独立记录、2022 年发表版本。患者来源类器官分列规模、比例和区间，患者来源类器官不拿年份冒充效应。患者来源类器官的数字只描述已观察对象的致病变异重分类率；患者来源类器官若遇替代终点与患者结局并存，患者来源类器官只以后者检验迁移，并留DOI或PMID逐句回查。

患者来源类器官的反方入口是Ding S等2022年的《Patient-derived micro-organospheres enable clinical precision oncology.》。该研究重画对象或方法边界；患者来源类器官遇参考人群单一便重验致病变异重分类率，允许衰减、消失或反号。中心平均值不能吞掉尾部；患者来源类器官写明场景、时间与版本，患者来源类器官遇任一改变便重估，不把旧方向机械搬进新制度。

患者来源类器官的近年更新由Thorel L等2024年给出，《Patient-derived tumor organoids: a new avenue for preclinical research and precision medicine in oncology.》包含PMID 38945959 的独立记录、2024 年发表版本。患者来源类器官把更新落到医院数据节点与联邦分析网络；患者来源类器官同录停止点和版本，患者来源类器官另记操作者负荷与未完成对象。患者来源类器官若发现采用后致病变异重分类率被考核改写便另立版本；患者来源类器官也防止登记越整齐、参考人群单一反而越隐蔽。

患者来源类器官与另见第306号第八条『预测模型样本量不再用“每变量十事件”』共享名义成功和真实生效的差额；患者来源类器官用致病变异重分类率结算，对方使用另一分母。两边若反向，患者来源类器官先查医院数据节点与联邦分析网络是否外置成本。患者来源类器官的证伪读数是：边缘场景中致病变异重分类率仍保持且参考人群单一不增加；若该组合出现，患者来源类器官的边界判断失败，若翻转则环境进入机制。

位置D——它把“体外药敏能否迁移到患者成为新试验”当成单独够用的那一样　单因决定本条方向的只有体外药敏能否迁移到患者成为新试验　预设〔28 记录存在即可核对〕致病变异重分类率的分母与分类边界在比较前已经给定　量纲达到预设致病变异重分类率阈值的对象数／医院数据节点与联邦分析网络全部可评估对象数　失效当参考人群单一被排除时，致病变异重分类率越高，真实覆盖或长期收益反而可能越低　自曝患者来源类器官自证边界：Ding S等2022年的《Patient-derived micro-organospheres enable clinical precis》承认对象或方法限制，未把外推写成无条件　空栏因参考人群单一而未进入致病变异重分类率分母的对象、取消的操作和无法归类的阴性时间段　异名另见第306号第八条『预测模型样本量不再用“每变量十事件”』

九、单细胞与空间组学：分层单位从患者下沉到细胞生态位Single Cell Spatial Omics Precision Medicine

提出Allam M、Cai S、Coskun AF，2020 年《Multiplex bioimaging of single-cell spatial profiles for precision cancer diagnostics and therapeutics.》，NPJ Precis Oncol 4:11，DOI 10.1038/s41698-020-0114-1。　争议Xie B、Gao D、Zhou B等，2023 年《New discoveries in the field of metabolism by applying single-cell and spatial omics.》，J Pharm Anal 13(7):711-725，DOI 10.1016/j.jpha.2023.06.002。　最新Sharma K、Hansen J、Susztak K等，2026 年《Spatial metabolomics and multiomics integration for breakthroughs in precision medicine for kidney disease.》，Nat Rev Nephrol 22(2):152-164，DOI 10.1038/s41581-025-01007-3。　关键分层单位从患者下沉到细胞生态位。

单细胞与空间组学重建旧账：变异、表型与知识库版本过去只认终点；单细胞与空间组学如今要求对象、路径和失败同表。Allam M等2020年的《Multiplex bioimaging of single-cell spatial profiles for precision cancer diagnostics and therapeutics.》给出可追踪起点；单细胞与空间组学据此追问可行动结果占比分母；单细胞与空间组学把意义未明变异被过度解释标成未纳入对象，不把它伪装为零效应。单细胞与空间组学由此阻断旧默认的选择隐藏。

单细胞与空间组学把主张锁在一个条件：分层单位从患者下沉到细胞生态位。单细胞与空间组学不让声望、技术新旧或总样本替代它；单细胞与空间组学要求变异、表型与知识库版本移除该条件，若可行动结果占比仍同方向同量级，本条即被否定。单细胞与空间组学不把复杂性写成免责；单细胞与空间组学把背景差异留到第四段，单细胞与空间组学第二段只给可推翻方向。

单细胞与空间组学的关键读数来自Allam M等2020年记录；PubMed摘要可核对PMID 32377572 的独立记录、2020 年发表版本。单细胞与空间组学分列规模、比例和区间，单细胞与空间组学不拿年份冒充效应。单细胞与空间组学的数字只描述已观察对象的可行动结果占比；单细胞与空间组学若遇替代终点与患者结局并存，单细胞与空间组学只以后者检验迁移，并留DOI或PMID逐句回查。

单细胞与空间组学的反方入口是Xie B等2023年的《New discoveries in the field of metabolism by applying single-cell and spatial omics.》。该研究重画对象或方法边界；单细胞与空间组学遇意义未明变异被过度解释便重验可行动结果占比，允许衰减、消失或反号。中心平均值不能吞掉尾部；单细胞与空间组学写明场景、时间与版本，单细胞与空间组学遇任一改变便重估，不把旧方向机械搬进新制度。

单细胞与空间组学的近年更新由Sharma K等2026年给出，《Spatial metabolomics and multiomics integration for breakthroughs in precision medicine for kidney disease.》包含PMID 41068470 的独立记录、2026 年发表版本。单细胞与空间组学把更新落到变异、表型与知识库版本；单细胞与空间组学同录停止点和版本，单细胞与空间组学另记操作者负荷与未完成对象。单细胞与空间组学若发现采用后可行动结果占比被考核改写便另立版本；单细胞与空间组学也防止登记越整齐、意义未明变异被过度解释反而越隐蔽。

单细胞与空间组学与另见第101号第九条『双特异抗体：在体内搭起免疫突触』共享名义成功和真实生效的差额；单细胞与空间组学用可行动结果占比结算，对方使用另一分母。两边若反向，单细胞与空间组学先查变异、表型与知识库版本是否外置成本。单细胞与空间组学的证伪读数是：边缘场景中可行动结果占比仍保持且意义未明变异被过度解释不增加；若该组合出现，单细胞与空间组学的边界判断失败，若翻转则环境进入机制。

位置D——它把“分层单位从患者下沉到细胞生态位”当成单独够用的那一样　单因决定本条方向的只有分层单位从患者下沉到细胞生态位　预设〔29 越精细越接近真实〕可行动结果占比的分母与分类边界在比较前已经给定　量纲达到预设可行动结果占比阈值的对象数／变异、表型与知识库版本全部可评估对象数　失效当意义未明变异被过度解释被排除时，可行动结果占比越高，真实覆盖或长期收益反而可能越低　自曝单细胞与空间组学自证边界：Xie B等2023年的《New discoveries in the field of metabolism by applying sin》承认对象或方法限制，未把外推写成无条件　空栏因意义未明变异被过度解释而未进入可行动结果占比分母的对象、取消的操作和无法归类的阴性时间段　异名另见第101号第九条『双特异抗体：在体内搭起免疫突触』

十、N-of-1 试验：个体化不再等于没有对照N Of 1 Trial Personalized Medicine

提出Punja S、Bukutu C、Shamseer L等，2016 年《N-of-1 trials are a tapestry of heterogeneity.》，J Clin Epidemiol 76:47-56，DOI 10.1016/j.jclinepi.2016.03.023。　争议Samuel JP、Wootton SH、Tyson JE，2023 年《N-of-1 trials: The epitome of personalized medicine?》，J Clin Transl Sci 7(1):e161，DOI 10.1017/cts.2023.583。　最新Hawksworth O、Chatters R、Julious S等，2024 年《A methodological review of randomised n-of-1 trials.》，Trials 25(1):263，DOI 10.1186/s13063-024-08100-1。　关键个体化不再等于没有对照。

Nof1试验分层旧账：患者、实验室和分子肿瘤委员会过去只认终点；Nof1试验如今要求对象、路径和失败同表。Punja S等2016年的《N-of-1 trials are a tapestry of heterogeneity.》给出可追踪起点；Nof1试验据此追问诊断增益分母；Nof1试验把多组学增加噪声标成未纳入对象，不把它伪装为零效应。Nof1试验由此阻断旧默认的选择隐藏。

Nof1试验把主张锁在一个条件：个体化不再等于没有对照。Nof1试验不让声望、技术新旧或总样本替代它；Nof1试验要求患者、实验室和分子肿瘤委员会移除该条件，若诊断增益仍同方向同量级，本条即被否定。Nof1试验不把复杂性写成免责；Nof1试验把背景差异留到第四段，Nof1试验第二段只给可推翻方向。

Nof1试验的关键读数来自Punja S等2016年记录；PubMed摘要可核对1项研究、995名对象。Nof1试验分列规模、比例和区间，Nof1试验不拿年份冒充效应。Nof1试验的数字只描述已观察对象的诊断增益；Nof1试验若遇替代终点与患者结局并存，Nof1试验只以后者检验迁移，并留DOI或PMID逐句回查。

Nof1试验的反方入口是Samuel JP等2023年的《N-of-1 trials: The epitome of personalized medicine?》。该研究重画对象或方法边界；Nof1试验遇多组学增加噪声便重验诊断增益，允许衰减、消失或反号。中心平均值不能吞掉尾部；Nof1试验写明场景、时间与版本，Nof1试验遇任一改变便重估，不把旧方向机械搬进新制度。

Nof1试验的近年更新由Hawksworth O等2024年给出，《A methodological review of randomised n-of-1 trials.》包含1项研究、16名对象、17.6%、21.6%的比例读数。Nof1试验把更新落到患者、实验室和分子肿瘤委员会；Nof1试验同录停止点和版本，Nof1试验另记操作者负荷与未完成对象。Nof1试验若发现采用后诊断增益被考核改写便另立版本；Nof1试验也防止登记越整齐、多组学增加噪声反而越隐蔽。

Nof1试验与另见第107号第十条『干细胞来源胰岛：1 型糖尿病接近细胞替代』共享名义成功和真实生效的差额；Nof1试验用诊断增益结算，对方使用另一分母。两边若反向，Nof1试验先查患者、实验室和分子肿瘤委员会是否外置成本。Nof1试验的证伪读数是：边缘场景中诊断增益仍保持且多组学增加噪声不增加；若该组合出现，Nof1试验的边界判断失败，若翻转则环境进入机制。Nof1试验还核对三笔来源的对象是否同类；Nof1试验若只能复现方向而不能复现量级，结论就降为局部。Nof1试验把停止与退出留在原分母；Nof1试验不允许成功发表率替代全部尝试率。Nof1试验同时保存阴性参数区；Nof1试验用它区分方法失效、边界越界与版本漂移。Nof1试验最后登记未被计价的劳动和时间；Nof1试验据此判断收益是否只是成本转移。Nof1试验还核对三笔来源的对象是否同类；Nof1试验若只能复现方向而不能复现量级，结论就降为局部。

位置D——它把“个体化不再等于没有对照”当成单独够用的那一样　单因决定本条方向的只有个体化不再等于没有对照　预设〔30 未被计价的东西不影响结算〕诊断增益的分母与分类边界在比较前已经给定　量纲达到预设诊断增益阈值的对象数／患者、实验室和分子肿瘤委员会全部可评估对象数　失效当对象版本或随访窗口改变时，个体化不再等于没有对照不再保持原方向　自曝Nof1试验自证边界：Samuel JP等2023年的《N-of-1 trials: The epitome of personalized medicine?》承认对象或方法限制，未把外推写成无条件　空栏因多组学增加噪声而未进入诊断增益分母的对象、取消的操作和无法归类的阴性时间段　异名另见第107号第十条『干细胞来源胰岛：1 型糖尿病接近细胞替代』

十一、人类泛基因组：参考序列偏差第一次被结构性修补Human Pangenome Reference Bias

提出Günther T、Nettelblad C，2019 年《The presence and impact of reference bias on population genomic studies of prehistoric human populations.》，PLoS Genet 15(7):e1008302，DOI 10.1371/journal.pgen.1008302。　争议Kouros CE、Makri V、Ouzounis CA等，2023 年《Disease association and comparative genomics of compositional bias in human proteins.》，F1000Res 12:198，DOI 10.12688/f1000research.129929.2。　最新Vaddadi K、Lin MJ、Majidian S等，2026 年《Minimizing reference bias with an imputed personalized reference.》，Genome Res 36(4):740-753，DOI 10.1101/gr.280989.125。　关键参考序列偏差第一次被结构性修补。

人类泛基因组回看旧账：基因组、暴露和治疗结局过去只认终点；人类泛基因组如今要求对象、路径和失败同表。Günther T等2019年的《The presence and impact of reference bias on population genomic studies of prehistoric human populations.》给出可追踪起点；人类泛基因组据此追问样本外判别度分母；人类泛基因组把体外药敏不能迁移标成未纳入对象，不把它伪装为零效应。人类泛基因组由此阻断旧默认的选择隐藏。

人类泛基因组把主张锁在一个条件：参考序列偏差第一次被结构性修补。人类泛基因组不让声望、技术新旧或总样本替代它；人类泛基因组要求基因组、暴露和治疗结局移除该条件，若样本外判别度仍同方向同量级，本条即被否定。人类泛基因组不把复杂性写成免责；人类泛基因组把背景差异留到第四段，人类泛基因组第二段只给可推翻方向。

人类泛基因组的关键读数来自Günther T等2019年记录；PubMed摘要可核对PMID 31348818 的独立记录、2019 年发表版本。人类泛基因组分列规模、比例和区间，人类泛基因组不拿年份冒充效应。人类泛基因组的数字只描述已观察对象的样本外判别度；人类泛基因组若遇替代终点与患者结局并存，人类泛基因组只以后者检验迁移，并留DOI或PMID逐句回查。

人类泛基因组的反方入口是Kouros CE等2023年的《Disease association and comparative genomics of compositional bias in human proteins.》。该研究重画对象或方法边界；人类泛基因组遇体外药敏不能迁移便重验样本外判别度，允许衰减、消失或反号。中心平均值不能吞掉尾部；人类泛基因组写明场景、时间与版本，人类泛基因组遇任一改变便重估，不把旧方向机械搬进新制度。

人类泛基因组的近年更新由Vaddadi K等2026年给出，《Minimizing reference bias with an imputed personalized reference.》包含99.77%、99.62%的比例读数。人类泛基因组把更新落到基因组、暴露和治疗结局；人类泛基因组同录停止点和版本，人类泛基因组另记操作者负荷与未完成对象。人类泛基因组若发现采用后样本外判别度被考核改写便另立版本；人类泛基因组也防止登记越整齐、体外药敏不能迁移反而越隐蔽。

人类泛基因组与另见第109号第十一条『质量保证：诊断不一致成为可追踪系统信号』共享名义成功和真实生效的差额；人类泛基因组用样本外判别度结算，对方使用另一分母。两边若反向，人类泛基因组先查基因组、暴露和治疗结局是否外置成本。人类泛基因组的证伪读数是：边缘场景中样本外判别度仍保持且体外药敏不能迁移不增加；若该组合出现，人类泛基因组的边界判断失败，若翻转则环境进入机制。人类泛基因组还核对三笔来源的对象是否同类；人类泛基因组若只能复现方向而不能复现量级，结论就降为局部。

位置E——它把“参考序列偏差第一次被结构性修补”当成单独够用的那一样　单因决定本条方向的只有参考序列偏差第一次被结构性修补　预设〔01 谁进入分母〕样本外判别度的分母与分类边界在比较前已经给定　量纲达到预设样本外判别度阈值的对象数／基因组、暴露和治疗结局全部可评估对象数　失效当对象版本或随访窗口改变时，参考序列偏差第一次被结构性修补不再保持原方向　自曝人类泛基因组自证边界：Kouros CE等2023年的《Disease association and comparative genomics of compositio》承认对象或方法限制，未把外推写成无条件　空栏因体外药敏不能迁移而未进入样本外判别度分母的对象、取消的操作和无法归类的阴性时间段　异名另见第109号第十一条『质量保证：诊断不一致成为可追踪系统信号』

十二、联邦分析：数据不出院也要留下可复算统计血缘Federated Genomic Analysis Healthcare

提出Stark Z、Boughtwood T、Phillips P等，2019 年《Australian Genomics: A Federated Model for Integrating Genomics into Healthcare.》，Am J Hum Genet 105(1):7-14，DOI 10.1016/j.ajhg.2019.06.003。　争议Canakoglu A、Pinoli P、Gulino A等，2021 年《Federated sharing and processing of genomic datasets for tertiary data analysis.》，Brief Bioinform 22(3)，DOI 10.1093/bib/bbaa091。　最新Kolobkov D、Mishra Sharma S、Medvedev A等，2024 年《Efficacy of federated learning on genomic data: a study on the UK Biobank and the 1000 Genomes Project.》，Front Big Data 7:1266031，DOI 10.3389/fdata.2024.1266031。　关键数据不出院也要留下可复算统计血缘。

联邦分析核验旧账：医院数据节点与联邦分析网络过去只认终点；联邦分析如今要求对象、路径和失败同表。Stark Z等2019年的《Australian Genomics: A Federated Model for Integrating Genomics into Healthcare.》给出可追踪起点；联邦分析据此追问处方改变率分母；联邦分析把数据不出院却不可复算标成未纳入对象，不把它伪装为零效应。联邦分析由此阻断旧默认的选择隐藏。

联邦分析把主张锁在一个条件：数据不出院也要留下可复算统计血缘。联邦分析不让声望、技术新旧或总样本替代它；联邦分析要求医院数据节点与联邦分析网络移除该条件，若处方改变率仍同方向同量级，本条即被否定。联邦分析不把复杂性写成免责；联邦分析把背景差异留到第四段，联邦分析第二段只给可推翻方向。

联邦分析的关键读数来自Stark Z等2019年记录；PubMed摘要可核对PMID 31271757 的独立记录、2019 年发表版本。联邦分析分列规模、比例和区间，联邦分析不拿年份冒充效应。联邦分析的数字只描述已观察对象的处方改变率；联邦分析若遇替代终点与患者结局并存，联邦分析只以后者检验迁移，并留DOI或PMID逐句回查。

联邦分析的反方入口是Canakoglu A等2021年的《Federated sharing and processing of genomic datasets for tertiary data analysis.》。该研究重画对象或方法边界；联邦分析遇数据不出院却不可复算便重验处方改变率，允许衰减、消失或反号。中心平均值不能吞掉尾部；联邦分析写明场景、时间与版本，联邦分析遇任一改变便重估，不把旧方向机械搬进新制度。

联邦分析的近年更新由Kolobkov D等2024年给出，《Efficacy of federated learning on genomic data: a study on the UK Biobank and the 1000 Genomes Project.》包含PMID 38487517 的独立记录、2024 年发表版本。联邦分析把更新落到医院数据节点与联邦分析网络；联邦分析同录停止点和版本，联邦分析另记操作者负荷与未完成对象。联邦分析若发现采用后处方改变率被考核改写便另立版本；联邦分析也防止登记越整齐、数据不出院却不可复算反而越隐蔽。

联邦分析与另见第121号第十二条『健康公平影响评估：平均获益之外先报告分布』共享名义成功和真实生效的差额；联邦分析用处方改变率结算，对方使用另一分母。两边若反向，联邦分析先查医院数据节点与联邦分析网络是否外置成本。联邦分析的证伪读数是：边缘场景中处方改变率仍保持且数据不出院却不可复算不增加；若该组合出现，联邦分析的边界判断失败，若翻转则环境进入机制。联邦分析还核对三笔来源的对象是否同类；联邦分析若只能复现方向而不能复现量级，结论就降为局部。联邦分析把停止与退出留在原分母；联邦分析不允许成功发表率替代全部尝试率。

位置S——它把“数据不出院也要留下可复算统计血缘”当成单独够用的那一样　单因决定本条方向的只有数据不出院也要留下可复算统计血缘　预设〔02 单一读数代表复杂对象〕处方改变率的分母与分类边界在比较前已经给定　量纲达到预设处方改变率阈值的对象数／医院数据节点与联邦分析网络全部可评估对象数　失效当对象版本或随访窗口改变时，数据不出院也要留下可复算统计血缘不再保持原方向　自曝联邦分析自证边界：Canakoglu A等2021年的《Federated sharing and processing of genomic datasets for t》承认对象或方法限制，未把外推写成无条件　空栏因数据不出院却不可复算而未进入处方改变率分母的对象、取消的操作和无法归类的阴性时间段　异名另见第121号第十二条『健康公平影响评估：平均获益之外先报告分布』

◎ 二十年连起来看

精准医疗与药物基因组最深的变化，是把一个结果拆回对象、路径和条件。从“概念生命周期 —— 「致病性」这个判断的所指，随知识库版本一起漂移”到“罕见病全基因组：诊断率必须与未解释病例同报”，二十条共同拒绝只报平均成功率；每条都要求保留失败分母、版本与时间窗口。

第二条贯穿线是测量会回写实践。致病变异重分类率一旦进入指南、采购或绩效，操作者便会围绕它调整，于是原本的观察量成为制度变量。

第三条线是边缘对象获得本体位置。参考人群单一不再被写成噪声；它与体外药敏不能迁移一起进入可复算账本，决定外推是否成立。

◎ 三个常见误解

误解一是把新工具等同于新思想。工具只有在改变可行动结果占比的分母、阈值或失败解释时才构成转向；设备更快而对象边界不变，只是效率升级。

误解二是样本越大偏倚越小。若意义未明变异被过度解释发生，大样本会把错误方向估得更精确；正确表述是同时报告覆盖、选择机制与不确定性。

误解三是最新文献天然强于旧证据。本页有20/20条“最新”来自2024—2026年，但年份只表明时效，决定证据等级的仍是设计、分母、读数和独立复算。

◎ 与相邻领域的接口

与卫生政策的分工是：本页判断诊断增益怎样由机制与流程形成，第121号面板判断规则怎样改变采纳和覆盖；两边用同一分母时才能合并。

与生物统计学的接口落在估计量。第306号面板负责识别、误差与校准，本页负责基因组、暴露和治疗结局是否遵守这些条件；统计显著不能替代对象有效。

与康复、护理或全球卫生的接口则是部署。实验室里成立的样本外判别度，只有在第126号等面板所强调的真实使用、照护负荷和退出对象中仍成立，才算完成迁移。

◎ 争议现场

第一场争论是平均效应能否代表尾部对象。收敛需要预注册参考人群单一相关亚组，并报告交互区间，而不是事后挑出阳性人群。

第二场争论围绕替代终点。只有当致病变异重分类率对患者或系统结局的样本外预测在独立队列保持，替代才可成立；单中心相关性不能结案。

第三场争论是制度采用后的漂移。要用版本化队列比较采用前后处方改变率，同时记录操作者、供应与支付变化，方能区分机制变化和行为适应。

◎ 往下五年看什么

看2027—2031年的独立复算率：二十条中有多少能由非原团队按公开协议复现方向与量级，分母必须是全部尝试，而不是成功发表者。

看边缘覆盖：因多组学增加噪声而退出的人占全部适用对象多少，以及把他们纳入后可行动结果占比是否反号。

看版本漂移：同一工具连续三次更新后，灵敏度、收益与伤害的变化区间能否保持；若每次更新都重置分母，长期比较便失去意义。

◎ 可与哪些领域对撞

另见第101号第甲条『TCGA：肿瘤从器官名走向分子线路图』与“概念生命周期 —— 「致病性」这个判断的所指，随知识库版本一起漂移”共享谁进入分母的预设；一边认为登记即可代表服务，另一边要求真实生效。若两边都对，第三变量只能是被外置的实施条件。

另见第306号第辛条『TRIPOD：预测模型必须公开完整生成链』与“CPIC 用药指南：基因型终于进入可执行处方规则”共享测量不改变对象的预设；两边在采用后是否漂移上方向相反。若同时成立，必须把制度回写作为独立机制建模。

另见第125号第六条『居家医院：地点替代必须带走诊断与升级能力』与“液体活检：肿瘤监测从组织切片转向时间序列”共享局部最优可加总的预设；技术指标改善而长期结局不动时，聚合次序或隐形成本成为候选第三项。

◎ 十条可做的研究命题

  1. 命题1：在变异、表型与知识库版本中纳入“参考人群单一”后，致病变异重分类率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  2. 命题2：在患者、实验室和分子肿瘤委员会中纳入“意义未明变异被过度解释”后，可行动结果占比的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  3. 命题3：在基因组、暴露和治疗结局中纳入“多组学增加噪声”后，诊断增益的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  4. 命题4：在医院数据节点与联邦分析网络中纳入“体外药敏不能迁移”后，样本外判别度的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  5. 命题5：在变异、表型与知识库版本中纳入“数据不出院却不可复算”后，处方改变率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  6. 命题6：在患者、实验室和分子肿瘤委员会中纳入“参考人群单一”后，致病变异重分类率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  7. 命题7：在基因组、暴露和治疗结局中纳入“意义未明变异被过度解释”后，可行动结果占比的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  8. 命题8：在医院数据节点与联邦分析网络中纳入“多组学增加噪声”后，诊断增益的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  9. 命题9：在变异、表型与知识库版本中纳入“体外药敏不能迁移”后，样本外判别度的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
  10. 命题10：在患者、实验室和分子肿瘤委员会中纳入“数据不出院却不可复算”后，处方改变率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。

◎ 资料核验

以下文献逐条由PubMed题名、作者、期刊、年份与DOI／PMID反查；源行共60笔互异记录。

  1. Plon SE、Rehm HL，2018 年《The Ancestral Pace of Variant Reclassification.》，J Natl Cancer Inst 110(10):1133-1134，DOI 10.1093/jnci/djy075。
  2. Mersch J、Brown N、Pirzadeh-Miller S等，2018 年《Prevalence of Variant Reclassification Following Hereditary Cancer Genetic Testing.》，JAMA 320(12):1266-1274，DOI 10.1001/jama.2018.13152。
  3. Eichstaedt CA、Maldonado-Velez G、Machado RD等，2025 年《Adaptation of ACMG/AMP Guidelines for Clinical Classification of BMPR2 Variants in Pulmonary Arterial Hypertension Resolves Variants of Unclear Pathogenicity in ClinVar.》，Hum Mutat 2025:2475635，DOI 10.1155/humu/2475635。
  4. Millot GA、Carvalho MA、Caputo SM等，2012 年《A guide for functional analysis of BRCA1 variants of uncertain significance.》，Hum Mutat 33(11):1526-37，DOI 10.1002/humu.22150。
  5. Westerfield L、Darilek S、van den Veyver IB，2014 年《Counseling Challenges with Variants of Uncertain Significance and Incidental Findings in Prenatal Genetic Screening and Diagnosis.》，J Clin Med 3(3):1018-32，DOI 10.3390/jcm3031018。
  6. Folta A、Sedeño Cortés AE、Gupta P等，2025 年《Imprecision medicine: Systematic gaps in reporting variants of uncertain significance (VUS) and their reclassifications.》，Genet Med 27(9):101501，DOI 10.1016/j.gim.2025.101501。
  7. Barbieri R、Guryev V、Brandsma CA等，2016 年《Proteogenomics: Key Driver for Clinical Discovery and Personalized Medicine.》，Adv Exp Med Biol 926:21-47，DOI 10.1007/978-3-319-42316-6_3。
  8. Reel PS、Reel S、Pearson E等，2021 年《Using machine learning approaches for multi-omics data analysis: A review.》，Biotechnol Adv 49:107739，DOI 10.1016/j.biotechadv.2021.107739。
  9. Vitorino R、Ghavami S，2026 年《Convergence: Multi-omics and AI are reshaping the landscape biomedical research.》，Biochim Biophys Acta Mol Basis Dis 1872(2):168027，DOI 10.1016/j.bbadis.2025.168027。
  10. Lazar AA、Gansky SA、Halstead DD等，2013 年《Improving Patient Care Using the Johnson-Neyman Analysis of Heterogeneity of Treatment Effects According to Individuals' Baseline Characteristics.》，J Dent Oral Craniofac Epidemiol 1(3):19-33，PMID 25705704。
  11. Burke JF、Hayward RA、Nelson JP等，2014 年《Using internally developed risk models to assess heterogeneity in treatment effects in clinical trials.》，Circ Cardiovasc Qual Outcomes 7(1):163-9，DOI 10.1161/CIRCOUTCOMES.113.000497。
  12. Yuan S、Zou F、Zou B，2026 年《Revised Deep Learning Semiparametric Regression for Testing and Estimating Treatment Effect Heterogeneity in Observational Studies: A Lung Transplant Case Study.》，bioRxiv，DOI 10.64898/2026.04.13.718254。
  13. Dinov ID、Petrosyan P、Liu Z等，2014 年《High-throughput neuroimaging-genetics computational infrastructure.》，Front Neuroinform 8:41，DOI 10.3389/fninf.2014.00041。
  14. Rusu LI、Wyres KL、Reumann M等，2015 年《A platform for leveraging next generation sequencing for routine microbiology and public health use.》，Health Inf Sci Syst 3(Suppl 1 HISA Big Data in Biomedicine and Healthcare 2013 Con):S7，DOI 10.1186/2047-2501-3-S1-S7。
  15. Wack M、Coulet A、Burgun A等，2025 年《Enhancing clinical data warehousing with provenance data to support longitudinal analyses and large file management: The gitOmmix approach for genomic and image data.》，J Biomed Inform 163:104788，DOI 10.1016/j.jbi.2025.104788。
  16. Harada S、Arend R、Dai Q等，2017 年《Implementation and utilization of the molecular tumor board to guide precision medicine.》，Oncotarget 8(34):57845-57854，DOI 10.18632/oncotarget.18471。
  17. Incorvaia L、Russo A、Cinieri S，2022 年《The molecular tumor board: a tool for the governance of precision oncology in the real world.》，Tumori 108(4):288-290，DOI 10.1177/03008916211062266。
  18. Marchetti P、Curigliano G、Westphalen CB等，2026 年《The role of the molecular tumor board: learnings from the ROME trial.》，NPJ Precis Oncol 10(1)，DOI 10.1038/s41698-026-01386-1。
  19. Euesden J、Lewis CM、O'Reilly PF，2015 年《PRSice: Polygenic Risk Score software.》，Bioinformatics 31(9):1466-8，DOI 10.1093/bioinformatics/btu848。
  20. Vassos E、Di Forti M、Coleman J等，2017 年《An Examination of Polygenic Score Risk Prediction in Individuals With First-Episode Psychosis.》，Biol Psychiatry 81(6):470-477，DOI 10.1016/j.biopsych.2016.06.028。
  21. Jumentier B、Qu HQ、Lu T等，2026 年《Development and validation of a trans-ancestry polygenic risk score for type 1 diabetes.》，Diabetologia 69(6):1557-1568，DOI 10.1007/s00125-026-06706-5。
  22. Wilke RA、Ramsey LB、Johnson SG等，2012 年《The clinical pharmacogenomics implementation consortium: CPIC guideline for SLCO1B1 and simvastatin-induced myopathy.》，Clin Pharmacol Ther 92(1):112-7，DOI 10.1038/clpt.2012.57。
  23. Caudle KE、Klein TE、Hoffman JM等，2014 年《Incorporation of pharmacogenomics into routine clinical practice: the Clinical Pharmacogenetics Implementation Consortium (CPIC) guideline development process.》，Curr Drug Metab 15(2):209-17，DOI 10.2174/1389200215666140130124910。
  24. Maillard M、Schwab M、Whirl-Carrillo M等，2026 年《Clinical Pharmacogenetics Implementation Consortium (CPIC) Guideline for Thiopurine Dosing Based on TPMT and NUDT15 Genotypes: 2025 Update.》，Clin Pharmacol Ther 119(4):916-927，DOI 10.1002/cpt.70209。
  25. Rehm HL、Alaimo JT、Aradhya S等，2023 年《The landscape of reported VUS in multi-gene panel and genomic testing: Time for a change.》，Genet Med 25(12):100947，DOI 10.1016/j.gim.2023.100947。
  26. Lascurain S、Thull D、Durst A等，2024 年《Release of reclassified VUS results of now deceased patients to family members: Practices and opinions.》，J Genet Couns 33(6):1262-1270，DOI 10.1002/jgc4.1848。
  27. Bennett G、Karbassi I、Chen W等，2025 年《Distinct rates of VUS reclassification are observed when subclassifying VUS by evidence level.》，Genet Med 27(6):101400，DOI 10.1016/j.gim.2025.101400。
  28. Savva KV、Kawka M、Vadhwana B等，2023 年《The Biomarker Toolkit - an evidence-based guideline to predict cancer biomarker success and guide development.》，BMC Med 21(1):383，DOI 10.1186/s12916-023-03075-3。
  29. Liu S、Tan DS、Graves N等，2023 年《Economic Evaluations of Imaging Biomarker-Driven Companion Diagnostics for Cancer: A Systematic Review.》，Appl Health Econ Health Policy 21(6):841-855，DOI 10.1007/s40258-023-00833-5。
  30. Gori S、Venturelli F、Carozzi F等，2025 年《Italian guidelines for cervical cancer screening. Multisocietal recommendations on the use of biomarkers in HPV screening with risk-based approach and GRADE methodology.》，Br J Cancer 133(8):1076-1084，DOI 10.1038/s41416-025-03161-8。
  31. Bayefsky MJ、Caplan AL、Hoskins IA，2022 年《Evaluating Expanded Noninvasive Prenatal Screening.》，Obstet Gynecol 139(6):1009-1011，DOI 10.1097/AOG.0000000000004809。
  32. Casper RF，2023 年《PGT-A: Houston, we have a problem.》，J Assist Reprod Genet 40(10):2325-2332，DOI 10.1007/s10815-023-02913-w。
  33. Poulton A、Hui L，2025 年《Noninvasive prenatal testing: an overview.》，Aust Prescr 48(2):47-53，DOI 10.18773/austprescr.2025.019。
  34. Hayes DF，2015 年《Biomarker validation and testing.》，Mol Oncol 9(5):960-6，DOI 10.1016/j.molonc.2014.10.004。
  35. McShane LM，2019 年《Biomarker Validation: Context and Complexities.》，J Law Med Ethics 47(3):388-392，DOI 10.1177/1073110519876169。
  36. Moqri M、Herzog C、Poganik JR等，2024 年《Validation of biomarkers of aging.》，Nat Med 30(2):360-372，DOI 10.1038/s41591-023-02784-9。
  37. Pagnamenta AT、Camps C、Giacopuzzi E等，2023 年《Structural and non-coding variants increase the diagnostic yield of clinical whole genome sequencing for rare diseases.》，Genome Med 15(1):94，DOI 10.1186/s13073-023-01240-0。
  38. Nurchis MC、Altamura G、Riccardi MT等，2023 年《Whole genome sequencing diagnostic yield for paediatric patients with suspected genetic disorders: systematic review, meta-analysis, and GRADE assessment.》，Arch Public Health 81(1):93，DOI 10.1186/s13690-023-01112-4。
  39. Pandey R、Brennan NF、Trachana K等，2025 年《A meta-analysis of diagnostic yield and clinical utility of genome and exome sequencing in pediatric rare and undiagnosed genetic diseases.》，Genet Med 27(6):101398，DOI 10.1016/j.gim.2025.101398。
  40. Gouda MA、Huang HJ、Piha-Paul SA等，2022 年《Longitudinal Monitoring of Circulating Tumor DNA to Predict Treatment Outcomes in Advanced Cancers.》，JCO Precis Oncol 6:e2100512，DOI 10.1200/PO.21.00512。
  41. Kim JJ、Kim HY、Choi Z等，2023 年《In-depth circulating tumor DNA sequencing for prognostication and monitoring in natural killer/T-cell lymphomas.》，Front Oncol 13:1109715，DOI 10.3389/fonc.2023.1109715。
  42. Garcia-Murillas I、Cutts RJ、Walsh-Crestani G等，2025 年《Longitudinal monitoring of circulating tumor DNA to detect relapse early and predict outcome in early breast cancer.》，Breast Cancer Res Treat 209(3):493-502，DOI 10.1007/s10549-024-07508-2。
  43. Missios P、Beha J、Bitzer M等，2021 年《[The molecular tumor board].》，Chirurg 92(11):1011-1015，DOI 10.1007/s00104-021-01487-6。
  44. Behel V、Noronha V、Choughule A等，2022 年《Impact of Molecular Tumor Board on the Clinical Management of Patients With Cancer.》，JCO Glob Oncol 8:e2200030，DOI 10.1200/GO.22.00030。
  45. Nichetti F、Brambilla M、Duca M等，2025 年《Real-World Outcomes of Molecular Tumor Board Treatment Recommendations.》，JCO Precis Oncol 9:e2400387，DOI 10.1200/PO-24-00387。
  46. Guillen KP、Fujita M、Butterfield AJ等，2022 年《A human breast cancer-derived xenograft and organoid platform for drug discovery and precision oncology.》，Nat Cancer 3(2):232-250，DOI 10.1038/s43018-022-00337-6。
  47. Ding S、Hsu C、Wang Z等，2022 年《Patient-derived micro-organospheres enable clinical precision oncology.》，Cell Stem Cell 29(6):905-917.e6，DOI 10.1016/j.stem.2022.04.006。
  48. Thorel L、Perréard M、Florent R等，2024 年《Patient-derived tumor organoids: a new avenue for preclinical research and precision medicine in oncology.》，Exp Mol Med 56(7):1531-1551，DOI 10.1038/s12276-024-01272-5。
  49. Allam M、Cai S、Coskun AF，2020 年《Multiplex bioimaging of single-cell spatial profiles for precision cancer diagnostics and therapeutics.》，NPJ Precis Oncol 4:11，DOI 10.1038/s41698-020-0114-1。
  50. Xie B、Gao D、Zhou B等，2023 年《New discoveries in the field of metabolism by applying single-cell and spatial omics.》，J Pharm Anal 13(7):711-725，DOI 10.1016/j.jpha.2023.06.002。
  51. Sharma K、Hansen J、Susztak K等，2026 年《Spatial metabolomics and multiomics integration for breakthroughs in precision medicine for kidney disease.》，Nat Rev Nephrol 22(2):152-164，DOI 10.1038/s41581-025-01007-3。
  52. Punja S、Bukutu C、Shamseer L等，2016 年《N-of-1 trials are a tapestry of heterogeneity.》，J Clin Epidemiol 76:47-56，DOI 10.1016/j.jclinepi.2016.03.023。
  53. Samuel JP、Wootton SH、Tyson JE，2023 年《N-of-1 trials: The epitome of personalized medicine?》，J Clin Transl Sci 7(1):e161，DOI 10.1017/cts.2023.583。
  54. Hawksworth O、Chatters R、Julious S等，2024 年《A methodological review of randomised n-of-1 trials.》，Trials 25(1):263，DOI 10.1186/s13063-024-08100-1。
  55. Günther T、Nettelblad C，2019 年《The presence and impact of reference bias on population genomic studies of prehistoric human populations.》，PLoS Genet 15(7):e1008302，DOI 10.1371/journal.pgen.1008302。
  56. Kouros CE、Makri V、Ouzounis CA等，2023 年《Disease association and comparative genomics of compositional bias in human proteins.》，F1000Res 12:198，DOI 10.12688/f1000research.129929.2。
  57. Vaddadi K、Lin MJ、Majidian S等，2026 年《Minimizing reference bias with an imputed personalized reference.》，Genome Res 36(4):740-753，DOI 10.1101/gr.280989.125。
  58. Stark Z、Boughtwood T、Phillips P等，2019 年《Australian Genomics: A Federated Model for Integrating Genomics into Healthcare.》，Am J Hum Genet 105(1):7-14，DOI 10.1016/j.ajhg.2019.06.003。
  59. Canakoglu A、Pinoli P、Gulino A等，2021 年《Federated sharing and processing of genomic datasets for tertiary data analysis.》，Brief Bioinform 22(3)，DOI 10.1093/bib/bbaa091。
  60. Kolobkov D、Mishra Sharma S、Medvedev A等，2024 年《Efficacy of federated learning on genomic data: a study on the UK Biobank and the 1000 Genomes Project.》，Front Big Data 7:1266031，DOI 10.3389/fdata.2024.1266031。
本页用于学术信息整理，不替代诊断、处方、监管或卫生政策决策。