新辅助化疗已成为局部晚期乳腺癌术前的标准治疗方案。通过新辅助化疗可实现肿瘤降期，使不可手术的乳腺癌达到手术条件，特别是病理完全缓解（pathological complete response，pCR）的实现，可能让患者避免手术或改善术后生存质量。但目前病理完全缓解只能通过术后大体病理评估，在术前无创精准地预测新辅助化疗疗效的工具亟需开发。
近日，由广东省人民医院乳腺肿瘤科王坤教授牵头，联合中山大学附属第一医院、佛山市第一人民医院、汕头市中心医院，在英国柳叶刀杂志子刊《e Clinical Medicine》（中科院一区top，影响因子：17.03）发表了题为“Longitudinal MRI-based Fusion Novel Model Predicts Pathological Complete Response in Breast Cancer Treated with Neoadjuvant Chemotherapy： A Multicenter， Retrospective Study”的最新研究成果。论文的第一作者为王坤教授团队的黄育鸿博士后。
王坤教授团队以乳腺磁共振成像为切入点，开展了一项人工智能深度影像组学研究，利用时间动态磁共振影像大数据，构建了针对乳腺癌不同分子亚型的多种机器学习模型，可在术前精准预测乳腺癌的病理完全缓解，取得良好的预测性能，从而辅助乳腺癌新辅助化疗后的手术制定，也将有助于实施更个体化的患者手术分层管理。
王坤介绍，在开发人工智能模型时，考虑到乳腺癌不同亚型存在较大的异质性，创新性地根据乳腺癌的亚型进行模型的构建以及优化，同时，考虑到乳腺癌经过新辅助化疗后癌灶会发生明显改变，该研究联合了新辅助化疗前和后的两期磁共振图像，应用深度学习和影像组学的多模态技术，在世界范围内首次实现时间动态磁共振图像的精准建模预测乳腺癌病理完全缓解，并在每种亚型均取得良好的预测性能。
据悉，研究收集的图像数据来自患者们在新辅助化疗期间常规做的磁共振检查，可让患者获益于更精准的医疗决策时，不增加额外的花销。该模型在临床应用时，对于乳腺科医操作友好，只需要把新辅助化疗前和后的两个时间点的磁共振图像联同癌灶输入到自动化模型中，即可得出模型的预测评分，从而为医疗决策提供依据。
