备受瞩目的第19届圣加伦国际乳腺癌大会（SGBCC）于当地时间2025年3月12日至15日在世界音乐之都奥地利维也纳举行。本次大会特别设置了“中国之声（Voice of China）”专场，来自CSCO BC的多位乳腺癌专家分享了临床、基础研究、转化研究的中国成果和中国经验。其中，广东省人民医院王坤教授带来了题为“影像组学辅助乳腺癌新辅助治疗后保留乳房及腋窝淋巴结”的精彩演讲。《肿瘤瞭望》有幸在会后邀请王坤教授分享其报告内容，聚焦于影像组学技术应用于乳腺癌新辅助治疗的精准疗效评估和预测。
Video Player is loading.
Current Time 0:00
Duration 0:00
Remaining Time -0:00
This is a modal window.
The media could not be loaded, either because the server or network failed or because the format is not supported.
Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
编者按：备受瞩目的第19届圣加伦国际乳腺癌大会（SGBCC）于当地时间2025年3月12日至15日在世界音乐之都奥地利维也纳举行。本次大会特别设置了“中国之声（Voice of China）”专场，来自CSCO BC的多位乳腺癌专家分享了临床、基础研究、转化研究的中国成果和中国经验。其中，广东省人民医院王坤教授带来了题为“影像组学辅助乳腺癌新辅助治疗后保留乳房及腋窝淋巴结”的精彩演讲。《肿瘤瞭望》有幸在会后邀请王坤教授分享其报告内容，聚焦于影像组学技术应用于乳腺癌新辅助治疗的精准疗效评估和预测。
01
《肿瘤瞭望》：乳腺癌新辅助治疗后确实提升了保乳或保腋窝比例，但较辅助治疗而言，似乎并未改善患者生存获益，甚至局部复发率更高。请问其中可能存在哪些原因？当前依赖pCR作为手术决策依据还有哪些不足？
王坤教授：关于新辅助治疗，最为经典的一项系统回顾是2018年《柳叶刀-肿瘤学》报道的EBCTCG荟萃分析[1]。该研究表明，新辅助治疗与辅助治疗的乳腺癌死亡率（34.4%vs 33.7%；HR 1.06，P=0.31）或全因死亡率（40.9%vs 41.2%；HR 1.0，P=0.45）没有显著差异；但新辅助治疗能使患者的保乳率提高16%（65%vs 49%）。然而，这种提升也带来了局部复发率的增加（21.4%vs 15.9%）。在纳入荟萃分析的临床研究中，有2项研究的参与者没有接受手术。除去这两个研究，局部控制仍有待进一步提高。
那么，是什么原因导致新辅助治疗的局部控制效果较差？这与系统治疗方案的选择、如何定位原始肿瘤床、肿瘤退缩模式等差异相关，对手术方式产生很大影响。众所周知，2014年ASCO/SSO提出了“No ink on tumor”切缘[2]理念已深入人心，并在全球范围内得到应用。但是，新辅助治疗后如何保证切缘阴性一直存在争议，因为不同的退缩模式决定了不同的切除方式。理想情况下，当我们知道疾病经过新辅助治疗后达到病理完全缓解（pCR），可能不需要手术，仅需要进行活检。而对于筛状退缩（Scatter Regression）模式，可能需要更广泛的切除肿瘤范围，才能保证切缘阴性结果；“No ink on tumor”的理念可能更适用于肿瘤向心性退缩模式。
因此，目前的临床难点是如何准确预测退缩模式。广东省人民医院一直在该领域进行大量研究。目前，我们采用的标准评价手段是MRI。既往报道的NRG-BR005和MICRA研究[3-4]显示，通过影像学预测的阴性预测值仅为76%。而我们采用影像组学的方法，对新辅助治疗前、治疗中、治疗后进行影像组学分析，阴性预测效能可以达到接近90%，并且可以更好地判断肿瘤退缩模式，指导新辅助治疗的手术切除范围，从而降低切缘阳性的概率。
02
《肿瘤瞭望》：您的团队构建了基于影像组学预测pCR的模型，还能够预测肿瘤退缩模式，辅助后续手术治疗决策。请您介绍一下该模型有哪些关键指标，具体表现如何？这个模型有哪些优势特点？
王坤教授：自2017年起，我们团队开始在这一领域进行持续的研究探索。2019年，我们在《Clinical Cancer Research》上发表了可能是当时首个关于影像组学预测病理完全缓解（pCR）的研究[5]。这项研究基于586例乳腺癌患者的基线MRI影像来预测治疗效果，整体的受试者工作特征曲线下面积（AUC）值接近0.8。随后，我们了解到每个肿瘤、每位患者在新辅助治疗过程中的反应都是不同的。因此，我们利用新辅助治疗前、治疗中以及接近治疗结束时的MRI影像，即时间动态MRI变化来进行预测，这进一步提升了预测效能。
同时，我们采用机器学习和人工智能方法进行预测，这也能更好地预测治疗效果。后续，我们在《eClinicalMedicine》上发表了这一研究成果[6]。这一系列方法使我们能够非常准确地预测pCR以及预测筛状退缩模式，可以很好地指导我们的实践。因此我们的临床实践策略是，首先预测能否达到pCR，其次是预测是否为筛状退缩模式，剩下的向心性退缩肿瘤则使用“No ink on tumor”理念。
03
《肿瘤瞭望》：影像组学需依赖高质量、标准化的影像数据。该模型在未来落地临床实践的过程中，应如何处理不同医院MRI设备参数差异、图像分割一致性等问题？
王坤教授：这是一个非常重要的问题。在国内，许多医院可能使用不同品牌的机器，这些机器可能具有不同的参数。因此，需要制定一个统一的标准，对这些参数进行标准化处理，以便进行模型预测，从而实现更加标准化的应用和报告解读。第二是如何实现全自动化。在早期，可能还需要手动勾画感兴趣区域（ROI），提取特征，然后进行预测。但随着人工智能技术的不断进步，现在可以通过无监督学习自动提取特征，并建立模型。这种方法能够通过一步法实现最终的预测效果，这也是未来发展的一个方向。
04
《肿瘤瞭望》：请问此项技术的重要意义有哪些？此次在SGBCC分享该技术进展，将会对全球乳腺癌手术模式的发展带来哪些启发？
王坤教授：我认为当这项技术在临床上成熟应用时，它可以让许多患者避免手术。如果预测结果为pCR时，意味着患者仅需要进行一次核心针穿刺活检。如果活检也能验证pCR，则没有必要再进行后续的手术治疗。对于筛状退缩模式的患者，我们可能需要切除更广泛的范围。一旦这样的预测模型和治疗策略得到推广，将使患者的手术更加精准，从而达到更好的治疗效果。
参考文献
[1]Early Breast Cancer Trialists’Collaborative Group(EBCTCG).Long-term outcomes for neoadjuvant versus adjuvant chemotherapy in early breast cancer:meta-analysis of individual patient data from ten randomised trials.Lancet Oncol.2018;19(1):27-39.doi:10.1016/S1470-2045(17)30777-5
[2]Buchholz TA，Somerfield MR，Griggs JJ，et al.Margins for breast-conserving surgery with whole-breast irradiation in stage I and II invasive breast cancer:American Society of Clinical Oncology endorsement of the Society of Surgical Oncology/American Society for Radiation Oncology consensus guideline.J Clin Oncol.2014;32(14):1502-1506.doi:10.1200/JCO.2014.55.1572
[3]Basik M，et al.Primary analysis of NRG-BR005，a phase II trial assessing accuracy of tumor bed biopsies in predicting pathologic complete response in patients with clinical/radiological complete response after neoadjuvant chemotherapy to explore the feasibility of breast-conserving treatment without surgery.San Antonio Breast Cancer Symposium 2019.Prog#:GS5-05.
[4]van Loevezijn AA，van der Noordaa MEM，van Werkhoven ED，et al.Minimally Invasive Complete Response Assessment of the Breast After Neoadjuvant Systemic Therapy for Early Breast Cancer(MICRA trial):Interim Analysis of a Multicenter Observational Cohort Study.Ann Surg Oncol.2021;28(6):3243-3253.doi:10.1245/s10434-020-09273-0
[5]Liu Z.，Li Z.，Qu J.，et al.Radiomics of multiparametric MRI for pretreatment prediction of pathologic complete response to neoadjuvant chemotherapy in breast cancer:a multicenter study.Clin Cancer Res.2019;25(12):3538–3547.doi:10.1158/1078-0432.CCR-18-3190.
[6]Huang Y，Zhu T，Zhang X，et al.Longitudinal MRI-based fusion novel model predicts pathological complete response in breast cancer treated with neoadjuvant chemotherapy:a multicenter，retrospective study.EClinicalMedicine.2023;58:101899.Published 2023 Mar 24.doi:10.1016/j.eclinm.2023.101899
王坤教授
广东省人民医院肿瘤医院副院长、博士研究生导师
CSCO理事，乳腺癌专委会常委
中国抗癌协会乳腺癌专委会常委
2019年国之名医获得者
2021年NeoCART研究入选美国NCCN乳腺癌指南
2023年人民好医生-乳腺癌领域杰出贡献奖获得者
京公网安备 11010502033352号