姚和瑞教授与余运芳博士团队构建乳腺癌新辅助化疗疗效预测基础模型在International Journal of Surgery杂志发表

论文题目：A foundation model for predicting outcomes of neoadjuvant chemotherapy in breast cancer.     

通讯作者：余运芳；姚和瑞；陈凯；任炜；雍娟娟

第一作者：何子凡；韩静静；毛璐会 等

论文发表刊物：International Journal of Surgery

【研究背景】​

新辅助化疗（NAC）是乳腺癌治疗中的关键策略，但由于肿瘤异质性及缺乏可靠的生物标志物，临床实践中仍面临两大挑战：如何筛选真正能从新辅助化疗中获益的患者，以及如何基于治疗反应制定个体化的后续辅助治疗方案。为应对这些问题，本研究构建了一个整合组织病理图像与临床数据的基础模型，旨在实现对乳腺癌新辅助化疗疗效与预后的精准评估，从而推动个体化治疗决策。

【主要发现】

本研究构建了一个多模态病理基础模型。该模型能够同步完成多项预测任务，包括乳腺癌患者的病理完全缓解（pCR）和无病生存期（DFS）评估。在盲法测试集中，模型展现出优异的预测性能，其pCR预测AUC达到0.994，4年DFS预测AUC为0.885。尤为重要的是，在模型划分为中高危复发转移风险的非pCR患者中，接受不同辅助化疗强度（强化、标准或无辅助化疗）的患者在DFS方面存在显著差异，表明该模型具备指导术后辅助治疗决策的潜力。此外，通过可视化热图将模型预测结果与肿瘤微环境特征相关联，增强了模型的可解释性，为深入理解治疗应答的生物学机制提供了新视角。

图1. 融合病理与临床数据的多模态基础模型可预测乳腺癌新辅助化疗疗效

【研究意义】

本研究成功构建了首个整合乳腺病理图像与临床数据的基础模型，实现了对乳腺癌新辅助化疗疗效与预后高精度的评估。该模型不仅具备优异的预测效能，更可作为临床辅助工具，帮助识别可能从新辅助治疗中获益的患者，并可对新辅助治疗后非pCR的患者进行精准复发转移风险分层，从而为不同风险患者制定个体化的辅助治疗方案。这一成果为推动乳腺癌治疗阶段的全程精准医学实践提供了重要工具。

图2. 模型具有可识别中高危复发转移风险的非pCR患者并指导辅助治疗决策的临床价值

论文链接:

https://doi.org/10.1097/JS9.0000000000003999

阅读二维码：