10月17日，上?？萍即髮W(xué)生物醫(yī)學(xué)工程學(xué)院沈定剛課題組在《自然-生物醫(yī)學(xué)工程》（Nature Biomedical Engineering）上發(fā)表標(biāo)題為“Deep learning-based HER2 status assessment from multimodal breast cancer data predicts neoadjuvant therapy response”的研究論文，闡明了如何利用多模態(tài)乳腺癌影像數(shù)據(jù)及深度學(xué)習(xí)技術(shù)，構(gòu)建可準(zhǔn)確預(yù)測(cè)HER2狀態(tài)及新輔助治療反應(yīng)的非侵入式智能診斷模型，有效克服了傳統(tǒng)穿刺活檢因腫瘤異質(zhì)性導(dǎo)致的假陰性問(wèn)題，為乳腺癌精準(zhǔn)治療策略的制定提供了新途徑。

乳腺癌是全球女性發(fā)病率最高的癌癥，早期患者的治療決策高度依賴(lài)HER2狀態(tài)的準(zhǔn)確評(píng)估。目前臨床金標(biāo)準(zhǔn)穿刺活檢能提供診斷依據(jù)，仍存在明顯局限：具有侵入性，且由于腫瘤內(nèi)部存在HER2異質(zhì)性（即同一腫瘤內(nèi)不同細(xì)胞HER2表達(dá)水平不同），可能導(dǎo)致假陰性結(jié)果，致使部分本應(yīng)受益于靶向治療的患者錯(cuò)失治療良機(jī)。

基于多模態(tài)乳腺影像的HER2狀態(tài)和新輔助療效預(yù)測(cè)模型

為解決這一難題，研究人員開(kāi)發(fā)了一種基于深度學(xué)習(xí)的新型非侵入式方法——多模態(tài)對(duì)齊與預(yù)測(cè)模型（MAP）。MAP利用多模態(tài)影像（如乳腺鉬靶、超聲、磁共振），無(wú)需穿刺即可預(yù)測(cè)HER2狀態(tài)。研究依托來(lái)自4個(gè)中心、6991例患者的大規(guī)模數(shù)據(jù)集進(jìn)行訓(xùn)練與驗(yàn)證。結(jié)果顯示，MAP的預(yù)測(cè)結(jié)果與術(shù)后病理一致性更高，且基于其預(yù)測(cè)的HER2狀態(tài)所推斷的新輔助治療響應(yīng)準(zhǔn)確率，顯著高于基于穿刺活檢結(jié)果的預(yù)測(cè)。

這項(xiàng)研究突破了傳統(tǒng)活檢的局限，為乳腺癌HER2狀態(tài)評(píng)估提供了一種更全面、無(wú)創(chuàng)且可靠的替代方案。通過(guò)深度學(xué)習(xí)整合多模態(tài)信息，不僅提升了診斷準(zhǔn)確性，更真正實(shí)現(xiàn)了以臨床療效為終端的模型優(yōu)化。這一方法有望在未來(lái)成為精準(zhǔn)醫(yī)療的重要工具，幫助醫(yī)生制定更合理的術(shù)前治療方案，改善患者預(yù)后。

上海科技大學(xué)沈定剛教授，云南省腫瘤醫(yī)院李振輝主任，香港城市大學(xué)張沁榕教授，陳葦恩教授為共同通訊作者，上科大沈定剛課題組碩士畢業(yè)生、現(xiàn)香港城市大學(xué)博士研究生張佳冬，上科大博士研究生李詠豪以及聯(lián)影智能李哲人為共同第一作者，上?？萍即髮W(xué)為第一完成單位。上科大超算中心對(duì)本文提供了技術(shù)幫助。

論文鏈接：https://www.nature.com/articles/s41551-025-01495-5