我國學者在乳腺癌人工智能輔助精準診斷及療效預測研究方面取得進展

圖 乳腺癌HER2狀態及新輔助療效預測的多模態影像模型

　　在國家自然科學基金項目（批準號：82001986、82360345、82441023）等資助下，上海科技大學沈定剛教授、昆明醫科大學李振輝教授、香港城市大學張沁榕教授和陳葦恩教授等合作，在乳腺癌人工智能輔助精準診斷及療效預測研究方面取得進展，研究成果以“基于深度學習的多模態乳腺癌數據HER2狀態評估可預測新輔助治療反應（Deep learning-based HER2 status assessment from multimodal breast cancer data predicts neoadjuvant therapy response）”為題，2025年10月17日在線發表于《自然?生物醫學工程》（Nature Biomedical Engineering）雜志。論文鏈接：https://doi.org/10.1038/s41551-025-01495-5。

　　乳腺癌高居女性惡性腫瘤發病首位，嚴重威脅患者生命。人表皮生長因子受體2（HER2）是乳腺癌重要的預后和預測標志物，其表達狀態直接影響治療決策和患者能否從高效特異性的靶向藥物治療中獲益。傳統針吸活檢組織取樣范圍有限，且受腫瘤異質性影響，往往導致評估結果不準確。因此，精準評估HER2的表達對治療方案制定及改善患者預后至關重要。

　　該研究團隊構建了一種基于深度學習的HER2表達狀態多模態對齊與預測（MAP）模型，融合乳腺鉬靶、超聲、磁共振等多種影像信息，結合患者年齡、絕經狀態等基礎數據，運用圖像處理和人工智能算法，更全面地反映腫瘤特征，實現對HER2狀態更精準的預測。為驗證模型的HER2預測性能，研究團隊構建了患者反應MAP模型，采用了來自4個中心的包含6991個病例的14472張圖像的大規模多模態乳腺癌數據集，并將其與接受新輔助治療患者的針吸活檢結果進行對比。結果表明，該模型與術后病理結果的一致性達到78.86%，優于傳統針吸活檢方法。更重要的是，MAP模型還能預測患者接受新輔助治療后的療效，評估其實現“病理完全緩解”（即腫瘤細胞完全消失）的可能性（圖）。

　　該研究建立了以治療效果為核心的無創HER2精準預測體系，不僅有助于驗證HER2判斷的準確性，更構建了“診斷-治療-驗證”的完整診療閉環，有望減少創傷性檢查次數，提升診療安全性與舒適度，也為實現乳腺癌的精準治療提供了新路徑。