首页 > 文章详情

2023 ESMO Asia中国之声｜基于AI的多模态数据整合可提高乳腺癌NAC疗效预测的精准性

2023年11月28日

编译：肿瘤资讯

来源：肿瘤资讯

由欧洲肿瘤内科学会主办的2023年欧洲肿瘤内科学会亚洲年会 (ESMO ASIA) 将于2023年12月1日至3日在新加坡召开。会议期间，中山大学孙逸仙纪念医院余运芳教授团队的研究成果将进行口头报告，介绍了一种基于人工智能（AI）的多模态数据方法，该方法能够提高对乳腺癌新辅助化疗疗效预测的准确性，为个体化治疗乳腺癌提供了新的工具。【肿瘤资讯】整理了该研究的摘要内容，并与读者分享。

摘要号：2MO

讲者：余运芳（中山大学孙逸仙纪念医院）

中文标题：基于CNN和Transformer混合学习的多模态数据整合可提高乳腺癌新辅助化疗疗效预测的精准性

原标题：Multimodal data fusion enhanced precision neoadjuvant chemotherapy in breast cancer with a multi-task transformer-CNN-mixed learning

研究背景

医疗实践中，临床医生需要对多个来源的信息进行综合分析。虽然AI对医疗专业人员具有一定帮助作用，但目前将各种算法和多种多模态数据顺利整合的能力仍然很有限，限制了其在临床中的应用。本研究的目的是利用AI技术，将组织病理学和临床数据相结合，以提高乳腺癌新辅助化疗（NAC）疗效预测的精准性。

研究方法

回顾性研究中将中山大学孙逸仙纪念医院（SYSMH）校区1的756例患者作为训练队列，将SYSMH校区2的560例患者作为验证队列，此外227例患者纳入前瞻性检验队列进行前瞻性盲法验证。研究者开发了一个AI-病理学模型，包含了基于CNN和Transformer特征的提取通道。在AI-病理学模型基础上，进一步设计了融合病理学和临床信息的AI-多模态模型。研究终点为病理完全缓解（pCR）和无病生存期（DFS）。

研究结果

研究共纳入1598例患者。在训练队列（AUC 0.999）、验证队列（0.995）和前瞻性检验队列（0.981）中，AI-病理学模型对pCR预测的精准性均较好。值得注意的是，AI-多模态模型（验证队列和前瞻性检验队列中AUC分别为0.999、0.994）超越了AI-病理学模型。此外，Kaplan-Meier分析显示，AI-多模态模型预测达pCR患者的DFS优于非pCR患者（p<0.05）。联合可视化热图和单细胞分析为决策过程提供了参考，并将模型预测与肿瘤微环境联接起来，特别是T细胞和B细胞的浸润与功能状态。

结论

AI-多模态模型整合了病理学和临床信息，可有效预测NAC背景下的pCR和DFS。其较高的精准性和稳定性为治疗前病理图像指导乳腺癌的个体化治疗提供了新工具。

参考文献

Yunfang Yu, et al. Multimodal data fusion enhanced precision neoadjuvant chemotherapy in breast cancer with a multi-task transformer-CNN-mixed learning. 2023 ESMO Abstract 2MO.

责任编辑：肿瘤资讯-Paine
排版编辑：肿瘤资讯-张薪媛

患者指南系列丛书，点我领取>>

查看详情