InfoXMed是面向医生、医学生和医学科研人员的AI医学工具平台，提供文献检索、全文翻译、AI解读、指南查询和题库练习等功能，辅助临床学习、科研汇报与医学备考。
“我妈妈/姐姐得过乳腺癌，我会不会也得？”——这是遗传咨询门诊里，女性问得最多的一句话。
要回答它，不能靠"感觉"，得靠风险评估模型。其中有一个专门针对"家族史"的经典模型，叫 Claus 模型，已经用了近 30 年，至今还在帮医生算这笔"风险账"。
一、Claus 模型是干什么的？
Claus 模型的核心任务就一个：根据家族里乳腺癌的患病情况，估算一个女性这一辈子得乳腺癌的累积风险。
它和另一个大家常听到的 Gail 模型，是乳腺癌风险评估里"一软一硬"的两个代表：
| 模型 | 侧重点 | 看什么 |
|---|---|---|
| Gail 模型 | 非遗传因素 | 月经初潮、生育、乳腺活检次数等 |
| Claus 模型 | 家族史 | 亲属患癌情况、发病年龄 |
简单说：Gail 看"你自己"，Claus 看"你家里人"。
二、它具体看家族的哪些信息？
Claus 模型不是笼统问一句"家里有没有人得乳腺癌"，而是看得很细：
- 亲属等级：一级亲属（母亲、姐妹、女儿）还是二级亲属；
- 发病年龄：亲属是在什么年纪得的乳腺癌——越年轻发病，遗传风险信号越强；
- 亲属数量：有几位亲属患病；
- 母系还是父系：Claus 模型会区分父系和母系，这一点很关键——因为很多人以为"乳腺癌只看妈妈那边"，其实爸爸那边的家族史同样重要。
三、它的结论有多"狠"？
Claus 模型基于早年的遗传学数据，得出过一些很有冲击力的结论：
- 母亲或姐妹患乳腺癌，本人的风险大约升高 3 倍；
- 早发性乳腺癌（年纪轻轻就发病）与家族史的关联特别强，数据符合"常染色体显性遗传"的模式；
- 如果一个女性有两位一级亲属（比如母亲和姐姐）都在 30 多岁确诊乳腺癌，按 Claus 模型估算，她这一生的患病风险可能超过 40%。
这些数字，正是医生判断"要不要做基因检测、要不要加强筛查、要不要考虑预防性措施"的重要依据。
四、怎么用这个风险数字？
在美国，Claus 模型算出的"终身风险"有一个关键阈值：
终身风险超过 20%，就达到"高危监测"标准（美国癌症学会的建议）。
也就是说，如果算出来风险够高，医生就会建议更频繁的筛查（比如更早开始、每年做 MRI 等），甚至讨论预防性用药或手术。
五、理性看待：它也有短板
要客观说清楚 Claus 模型的局限：
- 只看家族史：它不考虑激素、生育、生活方式这些非遗传因素，所以不适合没有家族史的女性。
- 可能低估风险：后续研究（如 2003 年对 3000 多人的队列评估）发现，Claus 模型和 Gail 模型都会低估某些高风险人群的实际风险，而更新的 Tyrer-Cuzick 模型更准。
- 最多算两个亲属：家族史太复杂（患病亲属超过 2 位）时，它就"算不动"了。
所以现在临床上，Claus 模型更多是**“入门工具”**——先快速估一个数，再结合更精细的模型和基因检测综合判断。
写在最后
“家族里有人得过，我会不会得”——这个问题没有一句话能回答的答案，但有工具能把它算成一个具体的数字。
Claus 模型的价值，在于它第一次系统地把"家族史"变成了可量化的风险。哪怕它今天有局限，这个"把风险说清楚"的思路，依然是精准预防的起点。
📚参考资料
原文献位置:InfoXMed🔜知识库🔜临床指南 中搜: 《NCCN Clinical Practice Guidelines in Oncology：Distress Management（Version 1.2027）》
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/2601_96346606/article/details/170034115
