图 乳腺癌HER2状态及新辅助疗效预测的多模态影像模型
在国家自然科学基金项目（批准号：82001986、82360345、82441023）等资助下，上海科技大学沈定刚教授、昆明医科大学李振辉教授、香港城市大学张沁榕教授和陈苇恩教授等合作，在乳腺癌人工智能辅助精准诊断及疗效预测研究方面取得进展，研究成果以“基于深度学习的多模态乳腺癌数据HER2状态评估可预测新辅助治疗反应（Deep learning-based HER2 status assessment from multimodal breast cancer data predicts neoadjuvant therapy response）”为题，2025年10月17日在线发表于《自然・生物医学工程》（Nature Biomedical Engineering）杂志。论文链接：https://doi.org/10.1038/s41551-025-01495-5。
乳腺癌高居女性恶性肿瘤发病首位，严重威胁患者生命。人表皮生长因子受体2（HER2）是乳腺癌重要的预后和预测标志物，其表达状态直接影响治疗决策和患者能否从高效特异性的靶向药物治疗中获益。传统针吸活检组织取样范围有限，且受肿瘤异质性影响，往往导致评估结果不准确。因此，精准评估HER2的表达对治疗方案制定及改善患者预后至关重要。
该研究团队构建了一种基于深度学习的HER2表达状态多模态对齐与预测（MAP）模型，融合乳腺钼靶、超声、磁共振等多种影像信息，结合患者年龄、绝经状态等基础数据，运用图像处理和人工智能算法，更全面地反映肿瘤特征，实现对HER2状态更精准的预测。为验证模型的HER2预测性能，研究团队构建了患者反应MAP模型，采用了来自4个中心的包含6991个病例的14472张图像的大规模多模态乳腺癌数据集，并将其与接受新辅助治疗患者的针吸活检结果进行对比。结果表明，该模型与术后病理结果的一致性达到78.86%，优于传统针吸活检方法。更重要的是，MAP模型还能预测患者接受新辅助治疗后的疗效，评估其实现“病理完全缓解”（即肿瘤细胞完全消失）的可能性（图）。
该研究建立了以治疗效果为核心的无创HER2精准预测体系，不仅有助于验证HER2判断的准确性，更构建了“诊断-治疗-验证”的完整诊疗闭环，有望减少创伤性检查次数，提升诊疗安全性与舒适度，也为实现乳腺癌的精准治疗提供了新路径。