新华社客户端广州4月16日电（记者徐弘毅）近日，广东省人民医院乳腺肿瘤科王坤教授团队牵头开发一款早期预测乳腺癌新辅助化疗效果的无创人工智能系统，可实现利用多时序磁共振影像，进行残余肿瘤负荷（RCB）相关分级预测。

　　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“乳腺癌新辅助治疗”应用日益广泛。据研究团队介绍，作为乳腺癌新辅助治疗疗效评估标准之一，残余肿瘤负荷（RCB）分级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分级从0到III共4级，分级越低，表明治疗效果越好。

　　“鉴于此，在新辅助化疗早期识别RCB-III级的患者对于临床决策具有重要意义，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。”王坤表示，当前临床实践中，新辅助化疗后，仍需通过对切除组织进行病理分析才能确定RCB分级，缺少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，利用来自多中心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，可在新辅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。“这不仅能帮助医生进行新辅助化疗方案调整及手术时机确定，推动乳腺癌治疗的精准化，并且能尽量避免化疗的毒副作用，减少患者的经济负担。”王坤表示。

　　据介绍，该人工智能系统由王坤教授团队和佛山市第一人民医院、中山大学附属第一医院、汕头市中心医院共同开发，相关研究成果近期已被外科学顶尖期刊《外科学年鉴》收录。