4月9日，记者从广东省人民医院获悉，该院乳腺肿瘤科王坤教授牵头研发出一个无创人工智能系统，可早期预测乳腺癌新辅助化疗后残余肿瘤的负荷。近日，该研究系统被国际期刊《外科学年鉴》收录。

目前，残余肿瘤负荷（RCB）分级已成为公认的乳腺癌新辅助治疗疗效评估标准之一。该标准通过测量患者新辅助化疗后的原发癌灶范围、癌细胞密度、阳性淋巴结数量、淋巴结癌灶最大径等参数，来综合评估患者的治疗反应。

RCB分级越低，表明治疗效果越好。RCB-0级表示乳腺癌达到了病理完全缓解，RCB-Ⅲ级则表明乳腺癌对治疗具有耐药性。因此，在新辅助化疗早期识别RCB-Ⅲ级的患者可以帮助医生及时调整化疗方案、为患者制定合适的手术及随访策略等，对于临床决策具有极其重要的意义。

然而，当前临床实践中，仍缺少一种能够早期无创预测RCB分级的工具。

针对这样的现状，王坤和团队以磁共振成像为切入点，利用来自多中心的乳腺癌患者的磁共振数据，构建了国际上首个针对乳腺癌不同分子亚型的人工智能系统，可在新辅助化疗的早期阶段准确预测乳腺癌的RCB分级。该人工智能系统不仅能精准预测RCB 0-I级的疗效良好患者，还能早期识别RCB-Ⅲ级的化疗无效患者。

“这一科研进展不仅能辅助医生进行新辅助化疗方案调整及手术时机确定，还推动了乳腺癌治疗的精准化，有望为患者提供了更为个性化的手术和护理分层管理，并能最大程度地避免化疗的毒副作用，减轻患者的经济负担，在临床实践中具有重大价值。”王坤说。