各位哥哥姐姐弟弟妹妹大家好！我们的AI与医学期刊分享来啦~这是第三周的第二篇顶刊分享

【Ai医学 顶刊速递】

探索乳腺癌的个性化新辅助治疗选择策略：一种可解释的多模式反应模型
https://doi.org/10.1016/j.eclinm.2025.103356
IF: 10.0 Q1

【背景】：乳腺癌的新辅助治疗（NAT）方案通常根据癌症分期和分子亚型来确定，而没有充分考虑患者之间的差异，这可能导致效率低下或过度治疗。人工智能 （AI） 可以通过学习 NAT 前个体患者数据、方案以及相应的短期或长期治疗反应之间的协同关系来支持个性化方案建议。

【方法】：在这项回顾性研究中，收集了 2000 年至 2020 年间来自荷兰和美国接受 NAT 治疗的乳腺癌患者的数据。分子亚型和队列的中位随访时间为 3·7 至 4·9 年。开发并外部验证了一种多模态模型，该模型集成了 NAT 前临床数据、动态对比增强 （DCE）-MRI 图像和医学报告，以预测病理完全缓解 （pCR） 和 NAT 后生存的可能性。随后，评估了接受根据这些预测推荐的个性化方案的患者的潜在益处。

【发现】：在 655 名患者身上训练了模型，并在内部（655 名患者）和外部（241 名患者）队列中对其进行了验证。给定事实方案，该模型可以正确预测相应的治疗反应，受试者工作特征曲线下面积（AUC）分别为 0·80（95%CI 0·73-0·87）、0·75（0·66-0·83）和 0·85（0·77-0·92）人表皮生长因子受体 2（HER2）+的 pCR 预测，三阴性， 和雌激素受体/孕激素受体 （ER/PR）+&HER2− 患者分别在内部验证队列中。外部验证队列中相应分子亚型的表现分别为 0·707 （0·557–0·836）、0·558 （0·359–0·749） 和 0·860 （0·767–0·945）。在内部验证队列中，生存预测确定了不同分子亚型的高危患者，风险比 （HR） 为 3·29 （0·91–11·94） （HER2+）、3·54 （1·52–8·20）（三阴）和 2·78 （1·45–5·31） （ER/PR+&HER2−），尽管结果对 HER2+ 癌症并不显著。

【解释】：研究结果表明，反应模型生成的预后评分可以识别出在实际治疗下结果相对较差的患者亚组。这些初步发现可能为未来超越癌症分期和亚型等传统标准的个性化 NAT 方案选择提供信息，但应谨慎解释并在随访时间较长的前瞻性研究中进行验证，因为这些肿瘤可能会在后期复发。