「肿瘤·对话」ASCO 2023丨王坤教授专访：深入解读人工智能模型预测乳腺癌新辅助化疗的病理反应，推动个体化精准治疗

王坤教授：首先，针对新辅助治疗概念。既往早期乳腺癌患者都是先做手术，术后再给予辅助化疗。随着新辅助治疗概念的出现，新辅助化疗主要针对的是术前辅助治疗，因此称为Neoadjuvant chemotherapy。

对于新辅助化疗，初期主要是以缩小肿块尽量达到保乳或者增加手术机会为目的。不过，随着对乳腺癌分子分型研究的进展，逐渐将新辅助化疗纳入T2以上或N1以上三阴性乳腺癌和HER2阳性乳腺癌患者中，该部分患者经新辅助治疗后，可以通过手术治疗判断新辅助治疗疗效，疗效可达到病理完全缓解（pCR），预后较好。而对于没有获得病理完全缓解（pCR）的患者，后续仍可通过给予强化治疗获益。

目前，已经有越来越多的治疗策略融入新辅助治疗，更多患者可以从中获益。首先是手术获益：通过新辅助治疗，可以将无手术指征变为可手术，不能保乳手术变为可保乳手术，不能保腋窝手术变为可保腋窝手术。第二是生存获益：经过新辅助治疗获得pCR的患者，通过后续强化治疗可以进一步提高生存期。

王坤教授：我们知道，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（pCR）的实现。经过新辅助化疗获得PCR患者的预后较好，但是如何在早期精准评估患者是否达到PCR非常重要！通过无创的方式早期预测一直是我们所追求的目标。但目前pCR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。

我们广东省人民医院一直致力于在影像学方面做大量研究。我们团队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，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pCR，从而辅助乳腺癌新辅助化疗后的手术制定，有助于实施更个体化的患者手术分层管理。

这项研究共纳入来自4个中心的1262例乳腺癌患者，分别在基线状态及新辅助治疗过程中获取影像学特征，从而展示出时间动态的变化，通过构建机器学习模型的方法来预测疗效。我们的研究结果表明，对于HR+/HER2−、HER2+和TNBC亚型获得的预测效能AUC值分别可达到0.882、0.896和0.837，均达到非常好的预测效能。

我们这项研究的特色是根据乳腺癌不同亚型存在较大的异质性的特点，将不同的分子分型进行不同特征的提取后，利用时间动态磁共振影像大数据，最终取得良好的预测性能。

王坤教授：我认为未来新辅助化疗的方向，其实不能再定义为单纯的新辅助化疗。

目前新辅助治疗的体系已经在不断地扩大，除了传统化疗外，还纳入免疫治疗、靶向治疗等，如新辅助靶向治疗＋内分泌治疗，或是新辅助免疫治疗＋新辅助靶向治疗等。因此，未来的发展方向是将乳腺癌进一步分型，根据不同分型选择不同的方法，通过新辅助治疗达到更高的pCR，对于没有达到pCR的患者，后续再给予更强化的治疗使得患者获益。

最终的目的就是针对不同的患者人群，选择合适的治疗策略提高患者生存期。新辅助治疗可能带来手术模式的改变，对于早期患者通过精准预测pCR后，可能后续仅给予放疗或微创治疗即可，甚至可以豁免乳腺手术和腋窝手术。

因此，新辅助治疗给我们带来了非常大的应用空间，对患者来说，生存质量也将得到进一步地提升。