《柳叶刀-区域健康（西太平洋）》（The Lancet Regional Health – Western Pacific）发布乳腺癌合集，合集包含5篇文章，重点讨论了西太平洋地区乳腺癌预防、筛查和治疗的最新研究进展和挑战。广东省人民医院乳腺肿瘤科王坤教授团队旨在研究乳腺MRI人工智能模型在东亚乳腺癌新辅助治疗后个性化手术中的应用，我们特别邀请作者团队带来解读。识别文中二维码或点击文末阅读原文，查阅原文。
识别识别二维码，阅读合集更多内容
乳腺MRI人工智能模型在东亚乳腺癌新辅助治疗后个性化手术中的应用
中国乳腺癌发病率逐年升高，指南推荐临床II-III期HER2阳性和三阴性乳腺癌患者接受新辅助治疗，以评估治疗方案的敏感性、降低肿瘤分期、促进手术降级。中国接受新辅助治疗的患者比例也逐年上升，但总体保乳率及新辅助后保乳率仍明显低于发达国家。新辅助治疗后手术方案选择存在以下难点：一是新辅助后肿瘤退缩模式复杂，导致切除范围难以准确判断，二是医生经验差异也可能影响术前评估与术后病理的一致性，同时，患者的主观偏好、对保乳的信心不足等顾虑也可能使他们倾向于选择保守术式。乳腺MRI多参数成像有助于更准确地检测病灶和评估疗效。虽然MRI在东亚人群中评估病灶具有优势，但新辅助后使用MRI进行术前评估仍存在一定误差，可能导致部分患者接受不必要的乳房切除术，反映出MRI预测新辅助治疗反应的准确性仍需进一步提升。
影像组学是人工智能技术在医学影像领域的具体应用，通过提取大量影像特征，利用机器学习和深度学习算法进行数据挖掘分析，从而实现疾病诊断、预后评估和治疗反应预测。影像组学模型具有高通量特征提取、无创性、可全面评估病灶等优势，适用场景广泛，可为患者风险分层和精准医疗提供有力的数据支持。在人工智能迅速发展的背景下，人工智能模型可自动识别出医学影像中的种族信息，这种机制可能无意中强化既往治疗经验中存在的偏倚，导致误诊或漏诊。同时，不同种族间的差异也可能影响预测模型的泛化性能。为减少种族因素干扰，除了增加样本多样性和改进算法，也可开发适用于特定人群的预测模型，以提高模型准确性。因此，本综述聚焦于东亚人群新辅助治疗后的MRI影像组学研究，旨在评估其预测效力及促进精准手术决策的潜力。
截至2024年4月共有51篇研究纳入分析，多数研究采用单中心回顾性设计，预测终点主要为病理完全缓解 (pCR）；研究地点分布在中国、韩国和日本。分析发现影像组学模型在验证集中预测pCR的合并AUC值为0.89，合并敏感度为0.78 (95% CI：0.72-0.83) ，特异度为0.87 (95% CI：0.83-0.91)。分别对MRI图像获取时间点、MRI序列以及是否纳入临床病理特征开展亚组分析，采用多时序MRI图像可将模型预测pCR的敏感度和特异度分别提到至0.83 (95% CI：0.74-0.88) 和0.88 (95% CI：0.84–0.92)。此外，影像组学模型也可有效预测弥散性肿瘤退缩（验证集AUC 0.82-0.94）和腋窝pCR（验证集AUC 0.83-0.89）。
然而纳入分析的研究存在一定局限性。首先，研究总体样本量偏小，且多为单中心回顾性设计，在样本有限的条件下，处理高维数据的复杂影像组学模型存在过拟合的风险。其次，模型外部验证不足，仅9篇研究采用了外部验证，多数依赖于内部验证，模型的真实预测效力待进一步评估。此外，缺乏受体分型细化分析，仅5篇研究报告了特定乳腺癌亚型的预测结果，虽然本综述中不同亚型的pCR预测表现相近，但现有证据尚不足以支持影像组学模型在所有亚型中的普适性。还存在模型可解释性不足的情况，一是生物学相关性解释欠缺，二是多数模型采用黑盒构建方法，缺乏透明性和可追溯性，限制了影像组学模型的临床接受度。最后，纳入研究均未详细报告参与者的民族构成，预测模型是否适用于少数民族群体仍需进一步评估。
未来影像组学研究在数据层面，可通过整合多组学数据，提升预测精度和生物学解释性，同时应推动数据标准化与多机构协作，通过如联邦学习等技术提高模型稳健性和普适性。在技术层面，可利用局部解释与全局解释技术，可视化关键影像特征对预测结果的贡献度，以增强临床医生对模型的信任。同时，可通过引入大语言模型提高图像处理分析效率。在临床应用方面，应推动随机对照试验对人工智能模型进行前瞻性验证，以评估其在真实世界的预测效能。此外，还应明确人工智能模型的辅助定位，构建人机协同决策框架，形成“人类反馈强化学习”机制，加速影像组学从理论技术向实际应用的转化。
综上所述，基于乳腺 MRI 的人工智能模型在东亚乳腺癌患者中可用于预测 pCR 等多项新辅助治疗后疗效指标。未来随着研究设计的完善与验证质量的提升，影像组学技术有望在临床中得到更广泛的应用，为患者提供更个性化的术前方案，实现精准医疗目标。END
团队介绍：广东省人民医院乳腺肿瘤科王坤教授领衔的团队秉承“精准、个体化、综合治疗”核心理念，构建了涵盖手术、化疗、内分泌治疗、靶向治疗及免疫治疗等多维度的综合管理体系。团队以“影像驱动精准”为特色，依托前沿影像组学技术，通过整合新辅助治疗前后多模态影像特征与深度学习算法，实现对肿瘤退缩模式的精准预测，推动人工智能与临床诊疗深度融合，为个体化手术方案制定提供科学依据，引领乳腺癌诊疗从经验导向迈向数据智能时代。
