乳腺癌是女性高发的癌症之一。
近年来，在手术治疗、放疗等局部治疗前对患者进行化疗、内分泌治疗等全身治疗的“乳腺癌新赞助治疗”运用日益广泛。
据研究团队先容，作为乳腺癌新赞助治疗疗效评估标准之一，残余肿瘤负荷（RCB）分级通过丈量患者新赞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分级从0到III共4级，分级越低，表明治疗效果越好。

“鉴于此，在新赞助化疗早期识别RCB-III级的患者对付临床决策具有主要意义，可以帮助年夜夫及时调度化疗方案、为患者制订得当的手术及随访策略等。
”王坤表示，当前临床实践中，新赞助化疗后，仍需通过对切除组织进行病理剖析才能确定RCB分级，短缺一种能够早期无创预测RCB分级的工具。

王坤教授团队以磁共振成像为切入点，利用来自多中央的乳腺癌患者的磁共振数据，构建了一款针对乳腺癌不同分子亚型的人工智能系统，可在新赞助化疗的早期阶段准确预测乳腺癌的RCB分级。

该系统不仅能精准预测RCB-0至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。
“这不仅能帮助年夜夫进行新赞助化疗方案调度及手术机遇确定，推动乳腺癌治疗的精准化，并且能只管即便避免化疗的毒副浸染，减少患者的经济包袱。
”王坤表示。

据先容，该人工智能系统由王坤教授团队和佛山市第一公民医院、中山大学附属第一医院、汕头市中央医院共同开拓，干系研究成果近期已被外科学顶尖期刊《外科学年鉴》收录。

来源： 新华社