在2025年圣安东尼奥乳腺癌研讨会（SABCS 2025）上，一项基于NSABP B-42与TAILORx试验数据的研究（摘要编号：RF3-07），开发并验证了一种多模态-多任务深度学习模型（Clarity BCR）。该模型通过整合常规数字病理图像与临床变量，能够精准预测激素受体阳性（HR+）早期乳腺癌患者的远期转移风险，并有效识别出可能从延长内分泌治疗中获益的高危人群，为临床决策提供了低成本、易推广的精准分层新工具。肿瘤瞭望特邀中国医科大学附属第一医院金锋教授、于鑫淼教授及曹彧教授对该研究进行深入解读，以期为优化HR+乳腺癌的长期管理策略提供洞见。
▌金锋、于鑫淼、曹彧
▌中国医科大学附属第一医院乳腺外科
编者按：在2025年圣安东尼奥乳腺癌研讨会（SABCS 2025）上，一项基于NSABP B-42与TAILORx试验数据的研究（摘要编号：RF3-07），开发并验证了一种多模态-多任务深度学习模型（Clarity BCR）。该模型通过整合常规数字病理图像与临床变量，能够精准预测激素受体阳性（HR+）早期乳腺癌患者的远期转移风险，并有效识别出可能从延长内分泌治疗中获益的高危人群，为临床决策提供了低成本、易推广的精准分层新工具。肿瘤瞭望特邀中国医科大学附属第一医院金锋教授、于鑫淼教授及曹彧教授对该研究进行深入解读，以期为优化HR+乳腺癌的长期管理策略提供洞见。
研究简介
研究题目
中文标题：基于NSABP B-42试验数据训练、TAILORx试验数据验证，用于预测激素受体阳性（HR+）早期乳腺癌患者远期转移风险的多模态-多任务深度学习模型
英文标题：A Multimodal-Multitask Deep Learning Model Trained in NSABP B-42 and Validated in TAILORx for Late Distant Recurrence Risk in HR+Early Breast Cancer
研究设计
模型构建与背景：本研究开发了一种多模态-多任务（Multimodal-Multitask，M3T/Clarity BCR）深度学习模型。该模型旨在通过整合数字化全视野H&E切片（WSI）与关键临床变量，精准预测HR+早期乳腺癌患者的远期转移风险（Late Distant Recurrence，Late DR），并指导内分泌治疗的延长治疗决策。模型在NSABP B-42试验（延长来曲唑治疗的研究）数据中建立，并在大型前瞻性III期临床试验TAILORx试验数据中进行外部验证。
NSABP B-42训练集与模型架构
研究队列：绝经后HR+（ER+或PR+）早期乳腺癌；5年标准内分泌治疗后无复发；随机接受延长来曲唑治疗5年vs安慰剂
主要研究终点：远期转移风险（DR）预测；模型高低风险组的生存差异（HR）
M3T（Multimodal-Multitask）模型设计
多模态输入（Inputs）：模型结合了H&E病理图像特征与临床变量（淋巴结状态、手术方式、年龄）作为输入。
辅助任务（Auxiliary Task）：采用独特的“多任务”训练策略。在训练阶段，模型包含一个预测骨密度（BMD）T-score的辅助任务，旨在增强模型对肿瘤微环境及潜在生物学特征的敏感度。
主要终点：评估模型对远期转移风险（Late DR）的分层能力，以及高/低风险组之间的预后差异（Hazard Ratio，HR）。
外部验证集（TAILORx）
验证队列：完成≥4.5年内分泌治疗且5年后无复发的患者（Late DR分析集，n=4300）
主要研究终点：无病复发生存率（DRFI）/远期转移风险
研究结果
1.NSABP B-42队列中的模型性能与预测价值
风险分层能力显著：在NSABP B-42队列中，相较于单模态模型，M3T模型展现了最强的风险分层能力。
高低风险组差异：M3T模型将患者分为高风险与低风险组，两组间10年远处转移风险的风险比（HR）高达5.71（95%CI:3.50-9.32，P<0.001）。
绝对风险差异：高风险组与低风险组的10年远处转移率绝对差异为7.95%（高风险9.63%vs低风险1.69%）。
指导延长内分泌治疗（ELT）的获益：M3T模型成功识别出能够从延长来曲唑治疗中获益的人群：
高风险组（获益显著）：接受ELT治疗使10年远处转移风险降低了4.09%（绝对获益），HR=0.614(P=0.015）。
低风险组（获益极小）：接受ELT治疗的绝对获益仅为0.49%，差异无统计学意义（HR=0.664，P=0.378），提示此类患者可豁免延长治疗。
优于传统临床病理指标：该模型重新定义了部分患者的风险状态：
N0患者：约有29%的淋巴结阴性（N0）患者被重新分类为高风险，且未显示出明显的治疗获益差异。
N+患者：约18.7%的淋巴结阳性（N+）患者被重新分类为低风险，这类患者预后极好（10年远处复发率仅1.23%-2.73%），且延长治疗获益极低。
2.TAILORx队列中的外部验证
独立预后价值验证：在TAILORx庞大的外部验证队列中（N=4203，事件数=230），M3T模型再次证实了其对远期转移（Late DR）的独立预测能力。
长期风险预测：高风险组的15年累积远处复发率为12.94%，显著高于低风险组的6.59%。
统计学差异显著：HR=1.893（95%CI：1.413-2.534，P<0.001）。
多变量分析：在校正了年龄、肿瘤大小、分级、Oncotype DX评分（RS）、手术类型及化疗使用情况后，M3T风险标签仍是独立的预后因子(HR=1.61，95%CI：1.14-2.27），其预测效能独立于Oncotype DX（HR=1.12，95%CI：0.59-2.14，P>0.05）。
研究结论
基于深度学习的Clarity BCR（M3T）模型在NSABP B-42试验数据集中展现了强大的预后分层能力，并成功在TAILORx试验验证集中完成了对远期转移风险预测的外部验证。
与传统基因组检测相比，M3T模型利用常规的H&E病理切片和临床数据，提供了一种可推广且具有成本效益的替代方案。其临床意义在于：
1.精准筛选：能识别出低风险患者（包括部分淋巴结阳性患者），这部分人群不太可能从延长内分泌治疗中获益，从而避免过度治疗带来的副作用。
2.治疗指导：确认了高风险亚群是延长内分泌治疗的主要获益群体，支持在标准临床病理因素之外，利用该模型辅助制定长期的辅助治疗决策。
专家点评
HR+乳腺癌患者的远期转移风险具有累积性，这类患者中约50%的复发发生在确诊5年以后，因此其风险管理策略一直是临床治疗与后期随访中的核心难题。传统临床病理因素（如淋巴结状态、肿瘤大小、组织学分级等）在对5年以后的复发风险方面预测能力有限，而现有的基因检测工具虽具有一定价值，但普及率受到检测成本高、检测平台差异和可及性的限制，难以满足精准风险分层的需求。本研究提出的Clarity BCR模型通过深度学习方法，将H&E数字病理图像与关键临床变量整合，并采用多任务学习机制从肿瘤微环境中自动提取高维特征，使模型得以捕捉到“肉眼不可见”，但又与远期转移密切相关的组织学特征模式。
NSABP B-42试验本身聚焦于绝经后HR+乳腺癌患者激素治疗的疗效研究，积累了大量患者的临床、病理及治疗后的长期随访数据，适合作为模型训练的基础数据；而TAILORx试验是全球大型HR+/HER2-早期乳腺癌研究，其包含超1万名患者的基因检测、治疗方案和长期复发随访数据，是验证模型有效性的理想数据集。在本研究中，M3T模型不仅在B-42队列中表现出很强的预测能力（HR=5.71），同时在TAILORx这一大规模的外部验证队列中保持了优秀的稳定性，这一点对于任何预后预测模型而言都极其具有临床说服力。
更具临床价值的是，M3T模型的预测结果可能改变临床治疗决策逻辑。例如其研究结果中约18.7%的淋巴结阳性（N+）患者被重新分类为低风险，提示这类传统意义上的高危人群中，有一部分生物学特征较为“惰性”，延长内分泌治疗（ELT）可能获益有限；相反超过29%的淋巴结阴性（N0）患者被归类为高风险，这部分人群在临床上往往被低估其复发转移风险。这样的重新分层不仅有助于避免过度治疗，同时也能使真正高危的患者获得更积极的随访与干预。
此外M3T模型依赖的是常规病理切片与临床资料，具备低成本、可广泛推广的优势，无需额外开展费用高昂的基因检测，有望突破基因检测的成本和地域限制，尤其适合医疗资源有限地区推广，助力更多患者获得精准风险评估的机会。随着数字病理基础设施的不断完善，此类AI模型未来有望成为HR+乳腺癌长期全程管理路径中的重要组成部分。作为2025年底乳腺癌研究领域的重要突破，随着其后续的进一步优化，有望推动HR+早期乳腺癌的预后评估和治疗方案制定进入更精准的个体化时代。
金锋教授
二级教授、主任医师、博士生导师
中国医科大学附属第一医院乳腺外科
辽宁省医学会乳腺外科分会主任委员
辽宁省抗癌协会乳腺癌专业委员会前任主任委员
中华医学会肿瘤分会乳腺肿瘤学组名誉副组长
中国抗癌协会乳腺癌专业委员会副主任委员
中国临床肿瘤学会CSCO-BC常务委员
中华医学会外科分会乳腺外科学组委员
中国医师学会外科分会乳腺外科专家组副组长
北京乳腺病防治学会副理事长
中国人体健康科技促进会乳腺癌专委会副主任委员
辽宁医学会外科分会乳腺外科学组组长
于鑫淼教授
中国医科大学附属第一医院乳腺外科
教授、主任医师、硕士研究生导师
中华医学会肿瘤学分会乳腺肿瘤青年学者副召集人
中国抗癌协会乳腺癌专业委员会青年专家
辽宁省医学会肿瘤学分会青年委员会委员
沈阳市医师协会乳腺肿瘤专委会副主任委员
沈阳市抗癌协会乳腺癌专业委员会常委
中国人体健康科技促进会乳房再造专业委员会常委
中国人体健康科技促进会乳腺疾病专委会委员
辽宁省细胞生物学学会乳腺肿瘤精准治疗与临床科研委员会委员兼秘书
辽宁省生命科学学会乳房整形修复重建与美容专业委员会常委
JCO中文版乳腺肿瘤专刊青年编委会委员
美国加州大学旧金山分校（UCSF）博士后
曹彧教授
中国医科大学附属第一医院乳腺外科
副教授副主任医师硕士研究生导师
医学博士药学博士后
中国抗癌协会国际医疗交流委员会青年专家
中国人体健康科技促进会乳腺疾病专业委员会委员
辽宁省医学会乳腺外科分会秘书
辽宁省免疫学会青委会副主任委员
沈阳医学会第一届肿瘤免疫治疗分会委员
沈阳市高层次人才拔尖人才
中国临床案例成果数据库审稿专家，主持或参与国家自然科学基金及其他省部级课题7项，在国内、外发表肿瘤相关研究论著20余篇
京公网安备 11010502033352号