肿瘤缩小了，PET扫描几乎看不到病灶了——然后，半年后它回来了，而且更难对付。这种场景在肿瘤科病房一再上演。如果你问”为什么？”，传统医学的答案是”它产生了耐药基因”。但这个答案只是把问题往后推了一步：为什么癌症总是能找到新的逃逸路径？复杂系统科学给出了另一种答案——不是因为它足够”聪明”，而是因为它本来就是一个不断适应、不断演化的复杂生态系统，而我们长期用对付机器故障的逻辑来治它。
📑 本文目录
一、当线性思维遇上非线性系统
经典医学模型有一个潜在假设：找到病因，切断它，病就好了。对于骨折、细菌感染，这套逻辑相当奏效。但对癌症，它一再失效。
早在1996年，Schwab等人就在《医学假说》期刊上提出了一个当时颇为超前的观点[2]：传统线性病因模型——找到那个”坏掉的基因”，修复它——难以解释癌症的顽固性；用复杂性科学和混沌理论重新审视癌症，或许是真正的范式转换。这篇文章发表时几乎没引起反响，但它提出的问题如今已成为肿瘤学前沿的核心议题之一。
传统的”靶向治疗”逻辑是：找到驱动突变 → 设计抑制剂 → 消灭癌细胞。这个逻辑本身没错，但它把肿瘤当成了一个静止的、由单一故障驱动的系统。现实是，癌症是一个有着数以万计相互作用主体、持续变动、主动适应外部压力的系统。把它当机器来修，就像试图用螺丝刀驯服一片森林。
二、癌症符合复杂适应系统的哪些特征？
CAS是由大量相互作用的主体组成的系统，这些主体遵循局部规则，但整体行为无法从单个主体行为直接推导出来。系统会随着环境变化而自组织、适应、演化。典型例子：生态系统、金融市场、免疫系统——以及肿瘤。
2025年发表于《癌症发现》的一篇权威综述[1]直接把”癌症标志”（Hallmarks of Cancer）重新解读为一系列生态-进化适应过程，而非简单的分子事件清单。这意味着癌症的每一个”特征”——无限增殖、逃避凋亡、血管新生、免疫逃逸——都不应被孤立看待，而是系统在特定选择压力下演化出的适应性性状。
癌症具体符合CAS的哪些特征？
《Neoplasia》杂志上的一篇论文[5]走得更远：它把癌症—微环境相互作用类比为流体力学中的湍流问题，癌症干细胞被描述为细胞发育景观中的”奇异吸引子“——系统倾向于向它们汇聚，即使受到扰动后也会回归。
翻译成人话：这个方程描述的是细胞状态 X 随时间如何变化。F 是驱动函数（基因调控网络），λ 是外部参数（比如药物浓度、氧气水平）。当 λ 变化时，系统的”稳定点”（吸引子）可能发生分岔——原本稳定的正常细胞状态消失，癌细胞状态变成新的吸引子。这就是为什么一旦”跌入”癌变状态，系统会自发维持这个状态，而不是自动回到正常。
三、异质性：系统的”适应储备”
如果要用一个词概括肿瘤的复杂性，那可能是：异质性。
《自然·临床肿瘤学》的一篇综述[6]清晰地说明了这一点：同一个肿瘤内部，不同细胞群对治疗的反应可以截然不同。这不是系统噪声，而是系统的”适应储备”——异质性越高，系统在任何一种干预下都能找到存活出口的概率就越大。
一项对肝癌的多区域组学研究[9]发现，同一个肿瘤的不同空间区域，不仅癌细胞的突变谱不同，连浸润其中的免疫细胞的克隆扩增模式也不同。换句话说，肿瘤内部有着不同的”生态位”，每个生态位的选择压力各异。这证明了一个令人不安的事实：我们在活检中拿到的那一小块组织，代表不了整个肿瘤生态系统。
另一项针对肝细胞癌的单细胞DNA测序研究[10]更进一步：它发现克隆演化并非一条平滑的轨迹，而是包含渐进积累和突发式跃迁两种模式并存。这让人想起复杂系统理论中的”断续均衡”——系统大多数时间在缓慢漂移，偶尔越过某个临界点，发生快速、大规模的重组。
想象一个投资基金，它把钱分散在数千种不同资产里。某个资产崩了，基金还能活。肿瘤的克隆多样性就是这种策略——不押注在单一的生存方案上，而是同时维持多条潜在的逃逸路径。靶向治疗消灭了A路径，B路径早就在那里等着扩张了。
四、克隆演化：肿瘤内部的自然选择
把癌症理解为复杂适应系统，就必须引入”演化”这个维度。
肿瘤不是静止的病变组织，而是一棵持续分叉的进化树。每次细胞分裂都可能引入新突变，加上表观遗传变化和细胞状态转换，不同的克隆分支在相同的微环境中竞争资源[7]。
但癌症演化也在提醒我们，不能用过于简化的”达尔文渐进选择”来解释一切。2021年发表于《EMBO Journal》的综述[8]指出：癌症演化同时包含多种模式——渐进累积、中性漂变、基因组加倍（whole-genome doubling）、染色体碎裂（chromothripsis）等剧烈事件。后两者可以在极短时间内产生大量结构变异，使系统跳过漫长的逐步适应，直接达到新的演化状态。
一项研究[12]追踪了HPV整合引发的结构变异，发现它会产生”异质环链”（heterocateny）等极端复杂的串联重排。这不是一两个突变，而是一个持续重构的变异网络——每一次重组都在创造新的结构多样性，为进一步演化提供原材料。
更令人印象深刻的是转移的机制。传统认知是”最强克隆”打先锋、播散远处。但一项对胰腺癌的谱系追踪研究[11]发现，大量转移灶中存在多克隆播种的证据——转移不是单英雄主义，而是一场群体性的生态迁徙事件。这意味着要阻断转移，可能需要理解整个”种群”的迁移逻辑，而不只是消灭某个特定亚克隆。
五、治疗即选择压力——杀得越猛，逃得越快？
现在我们来到最反直觉的地方：当你用药物”轰炸”肿瘤时，你同时在做的一件事，是对癌细胞施加强烈的选择压力。
最大耐受剂量（MTD）策略的逻辑是：药越猛，杀得越多，越好。但这忽略了一个复杂系统的核心规律——强选择压力会快速筛选出能够存活的亚群，而那些对治疗敏感的细胞（原本占多数）被清除后，耐药细胞失去了竞争对手，反而得以大量扩张[13]。
《癌症研究》的一篇综述[13]用演化原理重新分析了这一困境：在高度异质的肿瘤中，总有一小部分耐药克隆存在。MTD疗法会在数周内把敏感细胞清干净，耐药克隆随即占领空出来的生态位。更糟糕的是，新克隆没有竞争压力，增殖速度可能比原来的肿瘤更快。
dNR/dt = rR·NR·(1 − (NR + αRS·NS)/K) − dR(t)·NR
翻译成人话：NS 是敏感细胞数量，NR 是耐药细胞数量。α 是竞争系数——敏感细胞在场时，耐药细胞受到抑制（αRS）。当治疗把 dS（敏感细胞死亡率）调到很高时，NS 迅速下降，竞争抑制消失，NR 就会爆发式增长。这就是”以为赢了，其实在帮对手清场”的数学机制。
另一篇论文[14]把这个困境类比得更形象：试图消灭转移性癌症，类似于试图让一个高度多样化的物种”灭绝”。灭绝一个物种需要同时打击它的种群规模、遗传多样性和生态联系。单靠增大”猎杀强度”，往往适得其反——反而加速了抗性性状的选择。
六、自适应治疗：与进化共舞，而非对抗
既然肿瘤是一个会适应的系统，那治疗策略能不能也”适应”起来？这就是自适应治疗（adaptive therapy）的核心理念。
不追求一次性最大杀伤，而是根据肿瘤实时动态调整治疗强度。策略核心是：保留足够数量的敏感细胞，让它们持续抑制耐药克隆的扩张。目标从”治愈”转向”长期稳定控制”。
自适应治疗的逻辑依赖于一个关键前提：敏感细胞和耐药细胞之间存在竞争权衡（fitness trade-off）——耐药往往有代谢或增殖代价，使耐药细胞在没有药物压力时竞争不过敏感细胞[13]。自适应治疗就是利用这个权衡，在”用药杀耐药”和”保留敏感细胞压制耐药”之间找到动态平衡。
2024年发表的一篇针对卵巢癌的综述[16]直接分析了为何卵巢癌死亡率居高不下：不只是因为耐药，更是因为整个肿瘤生态系统具有高度的”可进化性”（evolvability）。该综述提出，未来干预策略必须针对可进化性本身——不只打突变，而是设法降低系统产生新适应的能力。这是一个从”消灭癌细胞”到”管理癌症生态系统”的真实范式转变。
不过，自适应治疗并非无懈可击。2025年发表于《Oncogene》的最新综述[19]提出了一个令人警惕的挑战：非遗传因素——细胞状态的可逆转换、微环境反馈、表观遗传重编程——可能会重塑敏感/耐药细胞之间的竞争格局，使自适应治疗的假设前提失效。换句话说，系统的复杂性可能连自适应治疗策略本身也会”反制”。
七、可塑性：遗传之外的另一张牌
传统的癌症演化观聚焦于基因突变——突变产生多样性，选择决定哪个克隆存活。但越来越多的证据表明，癌细胞还有另一种”锦囊”：细胞可塑性（cell plasticity）。
2024年发表于《细胞通讯与信号》的综述[18]系统梳理了细胞可塑性在肿瘤异质性中的作用：在遗传背景完全不变的情况下，癌细胞可以通过信号通路的重新激活，在不同的细胞状态之间可逆地切换——上皮细胞可以切换成间充质细胞表型（EMT），干细胞样状态可以被重新激活，对某种药物敏感的状态可以切换到耐药状态。
把每种细胞状态想象成一个格子。遗传突变会改变格子的数量和位置（永久性重构地图）。可塑性则是在既有格子之间跳跃——不改变地图，但可以迅速切换到不同的生存模式。面对抗生素类比的药物时，可塑性细胞不需要等待”运气好的突变”，直接跳到耐药格子就好了。
这意味着肿瘤系统的复杂性不只来自遗传多样性，还来自状态空间的多维度：每个细胞都有一个庞大的可能状态集合，在环境信号驱动下持续漂移和切换。经典的”找驱动突变—设计抑制剂”逻辑，对状态可塑性驱动的耐药几乎完全无效，因为根本没有新突变需要被”消灭”[20]。
八、未来：把肿瘤当生态系统来管理
复杂系统视角最重要的贡献，不是提供了一个更漂亮的比喻，而是切实改变了我们应该测量什么、建模什么、干预什么。
2019年的《数学肿瘤学路线图》[17]概括了这个领域正在追求的核心问题：如何用数学模型刻画治疗、生态位、克隆竞争和空间结构之间的动态反馈？如何把模型与临床决策支持结合起来？如何设计”演化充分知情”的临床试验？这份路线图的存在本身就说明，复杂系统不只是癌症生物学的诗意修辞——它已经是一个有严格数学工具、有临床转化路径的研究范式。
多靶点治疗也需要在这个框架下重新理解。《药理学前沿》的一篇论文[15]指出：多靶点策略的真正价值不在于”多打几个目标”，而在于精细调控选择压力的方向和强度——让肿瘤生态系统向你希望的方向演化，而不是向耐药方向漂移。
《复杂适应治疗策略（CATS）》框架[4]提出了一个更系统的治疗设计原则：因为肿瘤是CAS，治疗也应该是CAS——多层级介入、实时反馈调整、针对系统动力学而非单一靶点。这意味着未来的肿瘤治疗可能更像”生态系统管理”：不求斩草除根，而是通过持续的微调和干预，让整个生态系统稳定在对患者无害的状态。
- 癌症不是”坏掉的零件”，而是持续适应、主动演化的复杂系统，具有多主体相互作用、非线性反馈、空间异质性和涌现行为等典型CAS特征[1][2]。
- 肿瘤内部存在高度的基因组和表型异质性；异质性不是噪声，而是系统的适应储备，为耐药和复发提供”原材料”[6][9]。
- 克隆演化兼有渐进积累与突发跃迁两种模式，且转移往往是多克隆群体行为，而非单一强势克隆的独角戏[8][11]。
- 最大耐受剂量治疗会对耐药克隆施加有利的选择压力，反而加速耐药；自适应治疗通过保留敏感细胞的竞争抑制，追求长期系统控制而非短期最大杀伤[13][19]。
- 细胞可塑性让癌细胞在不产生新突变的情况下就能切换到耐药状态，使系统复杂性超越遗传层面[18][20]。
- 未来干预方向不是追求更猛的单点打击，而是精细调控选择压力、管理肿瘤生态系统的演化轨迹[15][16][17]。
🧭 混沌笔记点评
这篇文章呈现的是一个仍在演进中的科学框架——CAS视角已经从”哲学比喻”走向”有数学工具、有临床试验、有具体测量指标”的可操作范式，但距离真正改变临床实践，还有不小的距离。
已经比较扎实的部分：肿瘤异质性和克隆演化的实证证据相当充分，多区域测序和单细胞测序已经给出了清晰的实证图景。自适应治疗在前列腺癌等部分癌种上已有初步临床数据（尽管本证据库未纳入这些临床试验结果）。
仍然是理论预测的部分：“针对可进化性本身”进行干预这一思路虽然理论上优美，但如何在实操层面测量和调控肿瘤的可进化性，目前仍缺乏标准化方案。细胞可塑性对自适应治疗的干扰效应，也主要停留在机制层面，尚待大型临床验证。
对读者的提醒：CAS视角改变的是思维框架，不是特效药。它告诉我们该提什么问题，该设计什么实验，而不是直接给出某个癌种的治疗方案。这种范式层面的转变往往需要数十年才能充分渗透进临床实践——但它确实在发生。
📚 参考文献
- Bhattacharya R et al. The Hallmarks of Cancer as Eco-Evolutionary Processes. Cancer Discovery, 2025. DOI: 10.1158/2159-8290.CD-24-0861
- Schwab E et al. Cancer as a complex adaptive system. Medical Hypotheses, 1996. DOI: 10.1016/S0306-9877(96)90086-9
- Derbal Y et al. The Adaptive Complexity of Cancer. BioMed Research International, 2018. DOI: 10.1155/2018/5837235
- Cho Y et al. Complex adaptive therapeutic strategy (CATS) for cancer. Journal of Controlled Release, 2014. DOI: 10.1016/j.jconrel.2013.12.017
- Uthamacumaran A et al. Cancer: A turbulence problem. Neoplasia, 2020. DOI: 10.1016/j.neo.2020.09.008
- Dagogo-Jack I et al. Tumour heterogeneity and resistance to cancer therapies. Nature Reviews Clinical Oncology, 2018. DOI: 10.1038/nrclinonc.2017.166
- Shlush L et al. Clonal evolution models of tumor heterogeneity. ASCO Educational Book, 2015. DOI: 10.14694/EdBook_AM.2015.35.e662
- Vendramin R et al. Cancer evolution: Darwin and beyond. The EMBO Journal, 2021. DOI: 10.15252/embj.2021108389
- Losic B et al. Intratumoral heterogeneity and clonal evolution in liver cancer. Nature Communications, 2020. DOI: 10.1038/s41467-019-14050-z
- Guo L et al. Single-Cell DNA Sequencing Reveals Punctuated and Gradual Clonal Evolution in Hepatocellular Carcinoma. Gastroenterology, 2022. DOI: 10.1053/j.gastro.2021.08.052
- Maddipati R et al. Pancreatic Cancer Metastases Harbor Evidence of Polyclonality. Cancer Discovery, 2015. DOI: 10.1158/2159-8290.CD-15-0120
- Akagi K et al. Intratumoral Heterogeneity and Clonal Evolution Induced by HPV Integration. Cancer Discovery, 2023. DOI: 10.1158/2159-8290.CD-22-0900
- Enriquez-Navas P et al. Application of Evolutionary Principles to Cancer Therapy. Cancer Research, 2015. DOI: 10.1158/0008-5472.CAN-15-1337
- Gatenby R et al. Eradicating Metastatic Cancer and the Eco-Evolutionary Dynamics of Anthropocene Extinctions. Cancer Research, 2020. DOI: 10.1158/0008-5472.CAN-19-1941
- Xie L et al. Developing multi-target therapeutics to fine-tune the evolutionary dynamics of the cancer ecosystem. Frontiers in Pharmacology, 2015. DOI: 10.3389/fphar.2015.00209
- Han G et al. Ecological and evolutionary dynamics to design and improve ovarian cancer treatment. Clinical and Translational Medicine, 2024. DOI: 10.1002/ctm2.70012
- Rockne R et al. The 2019 mathematical oncology roadmap. Physical Biology, 2019. DOI: 10.1088/1478-3975/ab1a09
- Cordani M et al. Signaling, cancer cell plasticity, and intratumor heterogeneity. Cell Communication and Signaling, 2024. DOI: 10.1186/s12964-024-01643-5
- Valcz G et al. Adaptive cancer therapy: can non-genetic factors become its achilles heel? Oncogene, 2025. DOI: 10.1038/s41388-025-03582-y
- Greaves M et al. Evolutionary determinants of cancer. Cancer Discovery, 2015. DOI: 10.1158/2159-8290.CD-15-0439