2025年圣安东尼奥乳腺癌研讨会（SABCS 2025）公布的一项对经典NSABP B-20试验的再分析研究（摘要编号：RF3-03），探索了基于数字病理与临床数据的多模态人工智能（MMAI）模型在HR阳性、淋巴结阴性早期乳腺癌中的预后价值与化疗获益预测潜力。该研究提示，MMAI或可成为一种低成本、不消耗组织标本的风险分层工具，为辅助化疗决策提供新依据。肿瘤瞭望特邀中国医科大学附属第一医院金锋教授、于鑫淼教授及王梦晗博士对该研究进行深度解读，以期为临床实践提供有益参考。
▌金锋于鑫淼王梦晗
▌中国医科大学附属第一医院乳腺外科
编者按：2025年圣安东尼奥乳腺癌研讨会（SABCS 2025）公布的一项对经典NSABP B-20试验的再分析研究（摘要编号：RF3-03），探索了基于数字病理与临床数据的多模态人工智能（MMAI）模型在HR阳性、淋巴结阴性早期乳腺癌中的预后价值与化疗获益预测潜力。该研究提示，MMAI或可成为一种低成本、不消耗组织标本的风险分层工具，为辅助化疗决策提供新依据。肿瘤瞭望特邀中国医科大学附属第一医院金锋教授、于鑫淼教授及王梦晗博士对该研究进行深度解读，以期为临床实践提供有益参考。
研究简介
研究题目
中文题目：基于数字病理的多模态人工智能模型在HR+且淋巴结阴性乳腺癌中的验证：用于预后评估和化疗获益预测—NSABP B-20试验分析
英文题目：Evaluation of a digital pathology based multimodal artificial intelligence model for prognosis and prediction of chemotherapy benefit in node-negative，hormone receptor-positive breast cancer patients:analysis of the NSABP B-20 trial.
研究背景
在HR+早期乳腺癌（EBC）患者中，进行远处转移（DM）的精准风险分层是制定辅助治疗决策的关键，尤其影响是否加用化疗（CT）。多模态人工智能（MMAI）已在ABCSG-08试验中证实具有预后价值，它将组织病理图像与临床数据整合进行DM风险分层，有望成为多基因检测之外的低成本补充工具。本研究基于具有里程碑意义的NSABP B-20随机III期试验（HR+且LN-早期乳腺癌），比较TAM单药与TAM联合甲氨蝶呤+氟尿嘧啶（MFT）或TAM联合环磷酰胺+甲氨蝶呤+氟尿嘧啶（CMFT），以评估MMAI算法，探索其在HR+且LN-乳腺癌辅助化疗决策中的潜在应用价值。
研究方法
本研究纳入NSABP B-20试验中符合以下条件的患者：具有可用的数字化H&E染色手术切片，完整的临床数据和长期随访资料。按模型预先设定的风险分组分为低危组（Low），中危组（Intermediate）和高危组（High），采用“锁定”的MMAI评分进行评估。研究主要终点为DM。
1.预后评估（prognostic performance）：仅分析TAM单药臂，采用Fine-Gray（FG）竞争风险回归评估MMAI评分与DM的关系，报告亚分布风险比（sHR）及其95%置信区间（CI）。
2.化疗获益评估（CT benefit）：在包含TAM，MFT，CMFT的全部治疗臂的队列中，数据分别以连续变量或二分类变量（低危vs中/高危）形式纳入MMAI模型，采用FG竞争风险回归检验治疗臂×MMAI评分的交互作用。
交互作用的分析在全队列中进行，也按年龄分层（≥50岁vs<50岁）重复分析，该年龄分层标准与原NSABP B-20试验随访设定一致。
研究结果
共计1763例患者得到MMAI评分并纳入统计分析，约占NSABP B-20总体人群的75%；中位随访时间为14.6年。风险分组分布为：低危组1189例（67%），中危组180例（10%），高危组394例（22%）。
1.预后价值：在TAM单药臂中，MMAI与远处转移风险显著相关
当MMAI评分以连续变量形式纳入模型时，评分升高与DM风险增加显著相关（sHR 1.94，95%CI：1.57-2.41，p<0.001）。
当MMAI评分以风险组形式纳入模型时，与低危组患者相比，高危组患者DM风险显著升高（高危vs低危：sHR 3.97，95%CI：2.57-6.16，p<0.001），中危组患者DM风险亦显著升高（中危vs低危：sHR 2.78，95%CI：1.47-5.23，p=0.002）
上述结果一致提示，无论将MMAI评分作为连续变量纳入，还是按风险等级作为分类变量纳入，MMAI评分均表现出明确的预后区分能力。
2.预测化疗获益：全队列未见明显交互，但≥50岁亚组交互作用显著
在全队列分析中，无论以连续变量或二分类变量（低危vs中/高危）均未观察到研究臂与MMAI评分之间具有统计学意义的交互作用。
按年龄分层（≥50岁vs<50岁）分析中，交互项仅在年龄≥50岁人群中达到统计学显著（p=0.01），该人群中MMAI评分为中/高危患者占比32%，加入化疗10年DM率由21%降至10%（CMFT 10%vs TAM 21%，相对降低52%），相比之下，MMAI评分为低危患者无论是否加化疗10年DM率差异较小（CMFT 7%vs TAM 5%）；在年龄<50岁人群中，MMAI评分预测性交互不显著，但化疗在低危与中/高危两类患者中均有获益。
研究结论
在NSABP B20试验的HR+且LN-早期乳腺癌患者中，MMAI表现出优秀且独立的预后评估能力，但在整体人群中不能预测化疗获益。然而在按年龄分层的探索性分析中，年龄≥50岁的人群里，MMAI风险等级（中/高危vs低危）可预测CMF方案的获益。上述结果提示，MMAI模型有望成为一种更低成本且不消耗组织标本的替代工具，在年龄较大的HR+且LN-早期乳腺癌患者中替代基因检测，为辅助化疗决策提供依据。
专家点评
近几年，多模态人工智能（MMAI）在乳腺癌领域发展迅速，其核心理念是把常规数字病理H&E切片与基础临床信息（年龄，肿瘤大小，T/N分期等）整合，例如Artera平台在WSG PlanB、ADAPT等III期临床试验中，证实其MMAI评分在5259例HR+/HER2-早期乳腺癌患者中独立预测远处转移风险；同为计算病理学工具的RlapsRisk BC模型使用数字病理AI评分，可以显著提高ER+/HER2-早期乳腺癌患者5年无转移生存（MFS）的预后判断能力。在这样的发展背景下，本研究将MMAI模型放在我们非常熟悉、长期随访且有化疗对照的NSABP B-20试验中进行外部验证——在TAM单药臂中，无论采用连续评分还是低/中/高危风险分组，MMAI对10年DM风险的区分度都相当可观，高危组与低危组之间近4倍的sHR差异说明其预后分层能力是扎实的。
同时，临床关心的另一个关键问题是模型是否具有辅助化疗决策的能力，在整体人群中，治疗臂和MMAI评分交互不显著，提示MMAI模型还不足以在所有HR+且LN-患者中指导化疗，仅在年龄≥50岁人群，中高危患者加用CMF使10年DM从21%下降到10%的探索性获益，提示在这一年龄层中可能筛选出真正对化疗敏感的高危个体，其呈现出的“年龄相关差异”，与既往B-20、TAILORx、RxPONDER中观察到的不同年龄层化疗绝对获益不同的结果相吻合，但证据强度弱于前述前瞻性研究，且应用旧时代的CMF化疗方案，仍需要在现代治疗背景下进一步验证。
本研究中的MMAI模型基于常规数字病理切片，结合简单的临床信息，在HR+且LN-早期乳腺癌中展现出较为可靠的远期预后分层能力，有望在资源受限的环境中，为风险评估和随访策略提供有价值的参考。未来更关键的工作，是在现代治疗体系下，将MMAI模型与多基因检测等成熟工具置于同一框架中加以验证，评估由数字病理驱动的多模态AI能否真正帮助临床医生合理使用化疗，既保证对高危患者的有效治疗，又避免对低危患者的过度治疗，从而在保证远期结局的条件下实现治疗强度与资源配置的优化。
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
王梦晗
中国医科大学附属第一医院乳腺外科住院医师
中国医科大学肿瘤学硕士
日本金泽医科大学病理学博士研究生在读
京公网安备 11010502033352号