在日前举行的南北汇：第八届乳腺肿瘤论坛“中流击水”环节，复旦大学附属肿瘤医院范蕾教授做出了题为《人工智能助力乳腺癌精准治疗的复旦实践》的主旨报告。她结合了复旦大学附属肿瘤医院团队在邵志敏教授的带领下所开展的众多前沿科研成果与临床实践经验，系统阐述了人工智能在乳腺癌精准治疗中的多元应用场景，涵盖AI数字病理的理论基础、基于病理AI的分型诊断、AI亚型鉴定助力精准治疗及基于病理AI的疗效预测四大方向。不仅展示了AI在乳腺癌病理识别、分子分型和疗效预测等方面的技术突破，也深入探讨了其如何推动乳腺癌治疗迈向更加个性化和精准化的新时代。本文特别进行整理，以飨读者。
编者按：在日前举行的南北汇：第八届乳腺肿瘤论坛“中流击水”环节，复旦大学附属肿瘤医院范蕾教授做出了题为《人工智能助力乳腺癌精准治疗的复旦实践》的主旨报告。她结合了复旦大学附属肿瘤医院团队在邵志敏教授的带领下所开展的众多前沿科研成果与临床实践经验，系统阐述了人工智能在乳腺癌精准治疗中的多元应用场景，涵盖AI数字病理的理论基础、基于病理AI的分型诊断、AI亚型鉴定助力精准治疗及基于病理AI的疗效预测四大方向。不仅展示了AI在乳腺癌病理识别、分子分型和疗效预测等方面的技术突破，也深入探讨了其如何推动乳腺癌治疗迈向更加个性化和精准化的新时代。本文特别进行整理，以飨读者。
01
数字病理：从形态到数据的理论基础
数字病理作为现代病理学的重要分支，其核心在于借助先进的光学技术将传统的病理切片转化为高分辨率的数字图像，并依托计算机平台实现数据的存储、交互与分析。这一创新过程不仅完整保留了病理切片的所有细节信息，更极大地提升了病理诊断的客观性与统一性。数字病理的实现离不开计算机图像分析技术的有力支持。范蕾教授解释道，这种将病理图像转化为计算机可处理数据形式的技术革新，使得我们能够充分利用AI技术对乳腺癌展开更为深入、细致的分析与诊断。相较于传统病理，数字病理将病理图像转化为计算机可处理的标准化数据，使得诊断过程更加客观、可重复。同时，数字病理便于进行大规模的统计分析、复杂建模，以及病理形态描述的精准存储与高效共享，为乳腺癌精准诊疗奠定了坚实基础。
在临床应用中，数字病理已展现出巨大的潜力与价值。借助数字病理技术，医生能更精确地观察肿瘤细胞的形态学特征，敏锐识别出微小的病变和异常细胞，从而显著提高乳腺癌的早期诊断率。此外，数字病理还打破了地域限制，使得远程会诊和病理资源的共享成为现实。
02
AI辅助乳腺癌分型：从理论到临床实践的跨越
乳腺癌精准治疗的核心在于分子分型。复旦大学附属肿瘤医院邵志敏教授团队首创的”三阴性乳腺癌复旦分型（FUSCC分型）”以及腔面型乳腺癌的SNF分型，已成为行业公认的乳腺癌精准治疗标杆。然而，这些分型以往高度依赖多组学检测（基因组、转录组、代谢组等），面临着成本高昂、周期漫长（通常需数周）、批次效应强等现实挑战。目前，国际医学界已在AI辅助诊断方面取得突破。如Roberto Salgado教授团队建立的全球TILs（肿瘤浸润淋巴细胞）诊断平台，通过全球范围内的影像上传与协作，实现了标志物评判的高度一致性。
范蕾教授介绍到，复旦大学附属肿瘤医院团队通过医工交叉合作，构建了基于卷积神经网络（CNN）的预测框架，该研究框架通过两步走实现对患者分型的判断：首先，利用模型筛选出具有特征性的组织类型图块；随后，对这些图块进行深度学习建模，通过捕捉细胞核异型性、组织结构排列等微细特征，推断肿瘤的分子变异。
对于新辅助治疗而言，患者的分型决定了其治疗路径——是先进行手术，还是先实施系统化治疗。范蕾教授分享的数据显示，该AI平台对激素受体（HR）状态预测的准确率高达95.8%，对HER2状态的预测准确率达94.8%。在真实世界的应用场景中，该模型识别三阴性乳腺癌（TNBC）的准确率为83.3%，识别HER2阳性乳腺癌的准确率达92.3%。
“以前患者需要等待一到两周才能拿到分子分型结果，而现在通过AI快筛，我们在两天内即可初步确定分子亚型。”范蕾教授强调。为实现这一目标，复旦大学附属肿瘤医院完成了院内多学科流程的深度集成，打通了门诊系统、病理科信息系统与AI筛查平台。这一“复旦速度”不仅极大地缓解了患者的焦虑，更显著提升了临床试验的患者入组效率，为精准治疗抢占了先机。
03
临床飞跃：AI驱动的“二次革命”与科学闭环
范蕾教授重点介绍了由邵志敏教授牵头、基于病理AI分型驱动的前瞻性临床试验。该研究针对CDK4/6抑制剂耐药后的晚期乳腺癌这一关键治疗决策点，利用AI数字病理将患者精准划分为SNF1至SNF4四个亚型，并在此基础上设计了一项随机对照的伞式研究，在标准治疗基础上为不同亚型匹配了不同的靶向药物。
研究结果令人振奋：尽管SNF1和SNF3亚型未能从额外靶向治疗中获益，但SNF2和SNF4亚型的客观缓解率（ORR）得到了大幅提升。这项研究于近期在线发表于国际顶级期刊Cancer Cell，并获得国际同行的积极评价。范蕾教授指出，这一成果不仅形成了从精准分型到治疗靶点再到疗效验证的科学闭环，更首次创新性地完成了由人工智能驱动的临床研究，被誉为人AI工智能推动精准治疗领域的一次“二次革命”。基于这些发现，针对SNF4亚型的更大规模III期随机对照研究已蓄势待发，并将探索新型抗体偶联药物（ADC）的治疗价值。
04
预见未来：sc-MTOP技术与ADC疗效预测的新高峰
随着抗体偶联药物（ADC）时代的开启，如何预测诸如德曲妥珠单抗（T-DXd）等强效ADC药物的疗效成为科研前沿。范蕾教授介绍了复旦邵志敏教授团队开发的“单细胞形态和拓扑学分析（sc-MTOP）”方法。传统的病理评估往往侧重于肿瘤细胞本身，而sc-MTOP方法则将视野扩展至肿瘤微环境（TME）的全生态系统。通过AI识别单细胞水平的形态特征及空间拓扑关系，研究发现：微环境中免疫细胞占比越高，或HER2阳性细胞空间分布越密集，ADC药物的疗效往往越优。
基于这一发现，复旦邵志敏教授团队已开展了针对HER2阳性乳腺癌ADC治疗疗效预测的前瞻性研究。范蕾教授透露：“我们预期通过AI数字病理的精准分流，能将新辅助治疗的病理完全缓解率（pCR）提升至80%的高度。”目前，相关二期临床数据已向《Nature》等顶尖学术期刊投稿，三期研究也将于今年正式启动。
05
总结
范蕾教授在报告最后对“复旦实践”进行了总结：第一，数字病理联合人工智能已成功实现乳腺癌分子分型与亚型的自动化确定，降低了检测门槛。第二，构建的一站式分型平台通过院内多学科协作，实现了新辅助治疗与晚期治疗的快速决策。第三，AI不仅是辅助诊断工具，更是驱动前瞻性精准医疗研究的核心引擎，通过解析肿瘤生态系统实现疗效的精准预测。
从“阅片辅助”到“试验验证”，复旦大学附属肿瘤医院邵志敏教授团队通过一系列原创性的临床研究，证明了人工智能在乳腺癌精准诊疗中的核心地位。这不仅是技术的胜利，更是医学逻辑的重构。未来，随着更多智慧算法与临床数据的融合，乳腺癌精准治疗将进入一个更加高效、可及、个体化的新纪元。
范蕾教授
复旦大学肿瘤学博士，硕士生导师
复旦大学附属肿瘤医院乳腺外科副主任医师
中国抗癌协会乳腺癌专业委员会青委委员
中华医学会肿瘤学分会乳腺学组青委委员
上海女医师协会乳腺专业委员会副主委
上海市医学会肿瘤靶分子分会青委副主委
中国抗癌协会国际医疗交流分会委员
上海市抗癌协会乳腺癌专委会委员
上海市医学会心身医学专委会委员
上海女医师协会科普委员会委员
哈佛大学医学院麻省总医院肿瘤中心Fellow
主持国家自然基金及省部级课题多项
SCI收录一作及通讯作者文章30余篇，收录于《JAMA》《Lancet Oncology》《JAMA Oncol》等
京公网安备 11010502033352号