首页 > 文章详情

2026南北汇 | 范蕾教授：从阅片辅助到试验验证，解析人工智能指导乳腺癌精准治疗的“复旦实践”

03月10日

整理：肿瘤资讯

2026年3月7日，复旦大学附属肿瘤医院范蕾教授在“南北汇：第八届乳腺肿瘤论坛”现场，发表了题为《人工智能助力乳腺癌精准治疗的复旦实践》的学术报告。在复旦大学附属肿瘤医院邵志敏教授的整体战略布局下，复旦大学肿瘤医院（简称“复肿”）团队并未将人工智能局限于“辅助阅片”的应用阶段，而是将其深度整合至乳腺癌分子分型、新辅助治疗快速筛查、靶向药物疗效预测及前瞻性临床试验设计等核心环节。范蕾教授通过详实的数据与典型案例，向与会专家系统阐释了人工智能技术如何真正落地临床一线，并逐步重塑乳腺癌精准治疗的格局。【肿瘤资讯】特别整理，以飨读者。

突破传统视界：探寻病理形态背后的多组学密码

数字病理的核心是借助光学技术将实体病理切片转化为高分辨率数字图像。范蕾教授指出：“对于计算机而言，病理图像本质上是像素值构成的矩阵排列。”这种矩阵化处理不仅便于海量数据的存储与跨中心共享，更为构建标准化、客观化、统一化的诊断评估模型奠定了数据基础。目前，国际上基于人工智能的影像学及病理学诊断已达到极高精准度，例如Roberto Salgado教授牵头建立的全球肿瘤浸润淋巴细胞（TILs）诊断平台，可有效辅助医师完成病变良恶性判定及特定生物标志物的识别。

然而，复肿团队的研究目标不止于此。在精准医疗时代，乳腺癌治疗高度依赖精准的分子分型（如复肿首创的乳腺癌SNF四分型）。传统上，这类分子分型的检测高度依赖基因组、转录组等多组学技术。尽管多组学分型具备极高精准度，但在临床实际应用中，其检测成本高昂、周期漫长，且不同检测批次间易出现技术偏差，极大限制了其在真实世界中的普及应用。复肿团队研发人工智能模型的底层生物学逻辑，是肿瘤分子层面的改变会影响其生物学行为，并最终在病理形态学特征上有所体现。基于此，复肿团队运用卷积神经网络等深度学习算法，通过海量提取、筛选具有特征性的组织图像块并进行反复建模与迭代优化，成功使人工智能实现“透过现象看本质”——仅凭借常规苏木精-伊红（H&E）染色切片，即可精准推断肿瘤内部的分子变异特征，进而实现基于数字病理的分子亚型快速判定。

抢占治疗先机：打通数据互通链路，实现新辅助治疗的“快速快筛”

该技术率先落地于乳腺癌新辅助治疗筛选领域。对于初诊乳腺癌患者而言，明确分子分型是决定其直接手术或先行新辅助治疗的关键前提。时间即是生命，传统分子分型检测动辄一至两周的等待周期，常令患者与临床医师陷入被动。为解决这一临床痛点，复肿团队依托前期与医工交叉领域的深度合作，搭建了一站式人工智能快速分析平台。范蕾教授在现场分享了令人振奋的临床应用数据：目前该人工智能平台对激素受体（HR）阳性的预测准确率高达95.8%，人表皮生长因子受体2（HER2）阳性的预测准确率达94.8%；在真实临床快速筛查场景中，HER2阳性分型的实际检出准确率为92.3%，三阴性分型检出准确率为83.3%。

范蕾教授表示：“在此过程中，仅需一张H&E染色切片，我们即可在两天内初步明确患者的大致分子分型。”为实现这一高效检测效率，复旦大学附属肿瘤医院对内推进了系统性流程革新，全面打通门诊、病理科与筛查平台间的信息壁垒。这一“复旦速度”不仅显著缓解了患者的等待焦虑，更大幅提升了医院新辅助治疗临床试验的患者入组率，为后续精准治疗方案的制定抢占了宝贵的时间窗口。

攻克耐药壁垒：AI指导SNAI亚型分流，完成临床研究的“二次革命”

如果说快速分子分型是人工智能赋能临床的第一步，那么利用人工智能指导晚期乳腺癌前瞻性临床研究，则是复肿团队跻身国际领先行列的标志性成果。在晚期腔面型（Luminal）乳腺癌治疗中，细胞周期蛋白依赖性激酶4/6（CDK4/6）抑制剂耐药后的治疗方案选择，是目前国际公认的重大临床难题，业内尚无统一标准。针对这一问题，邵志敏教授带领团队开展了极具前瞻性的临床试验设计。

研究团队首先通过大量真实世界数据验证及表型精准验证，将复杂的腔面型乳腺癌成功转化并固化至数字病理人工智能模型中。随后，利用该人工智能系统对入组的CDK4/6抑制剂耐药患者进行精准的AI-SNF1-4亚型划分，并在标准治疗基础上，为这四类不同分型的患者随机分配了针对性的靶向药物。试验结果令人振奋：尽管SNF1亚型因期中分析未达预设疗效终点提前终止试验，SNF3亚型未达到预期疗效，但SNF2和SNF4这两个核心亚型患者的客观缓解率（ORR）得到了显著提升。

这项开创性研究成果于去年年底在线发表于国际顶尖医学期刊Cancer Cell，并于2026年初正式见刊。范蕾教授在会上援引联合述评：“该研究不仅形成了完整的科学闭环、取得了明确的临床疗效，更实现了人工智能指导临床研究的‘二次革命’。”该研究突破了以往人工智能仅能开展回顾性数据分析的局限，证实基于AI模型划分的SNF2和SNF4亚型完全可推进至Ⅲ期随机对照临床试验。针对内分泌治疗极度不敏感的SNF4亚型，复肿团队不仅正在开展Ⅲ期临床研究，更有望在人工智能技术助力下启动全球性注册临床试验，并计划探索不同类型抗体药物偶联物（ADC）替代现有核心治疗药物的可行性。

破译空间密码：单细胞拓扑学分析，冲击HER2阳性乳腺癌ADC治疗pCR高峰

针对当前乳腺癌治疗领域备受关注的ADC药物，复肿团队同样敏锐地发掘了人工智能技术的应用价值。ADC药物疗效存在显著个体差异，如何在用药前精准预判其疗效？复肿团队创新性引入“单细胞形态与拓扑学分析”（sc-MTOP方法）。该方法突破了仅聚焦肿瘤细胞本身的局限，将分析视野拓展至肿瘤微环境的三维空间层面。范蕾教授详细阐释了其作用机制：在评估HER2阳性患者对德曲妥珠单抗（T-DXd）等ADC药物的治疗反应时，人工智能可精细化解析肿瘤细胞、间质细胞及炎症细胞的丰度与空间分布关系。

研究发现，肿瘤微环境中免疫细胞占比越高，往往提示ADC药物能发挥更强的杀伤效应；同时，通过对HER2染色阳性单细胞进行空间识别，团队证实HER2阳性细胞空间分布越密集，患者对ADC药物的疗效及整体预后越佳。基于此重要理论，复肿团队已完成相关前瞻性临床试验设计。复肿团队期望通过数字病理人工智能技术对肿瘤微环境及细胞空间分布的精准分析，将HER2阳性乳腺癌ADC治疗的病理完全缓解率（pCR）进一步提升。这既是复肿团队对乳腺癌精准诊疗极限的又一次挑战，更是人工智能造福全球乳腺癌患者的有力佐证。

注：本文图源自“南北汇”官方直播平台。

责任编辑：肿瘤资讯-Ethon
排版编辑：肿瘤资讯-Ethon

03月10日

郝爱香

好好学习，天天开心