近日，厦门大学附属翔安医院肿瘤诊治中心主任、乳腺甲状腺外科主任、福建省乳腺癌精准诊治重点实验室主任、长江学者特聘教授张国君团队在国际知名期刊BBA - Reviews on Cancer（中科院2区，JCR 1区，影响因子: 11.414）发表“Clinical Applications of Deep Learning in Breast MRI”的综述论文，回顾了基于乳腺磁共振（MRI）的深度学习技术及其在乳腺癌临床诊疗中的应用研究概况，总结了该领域面临的问题与挑战，提出了未来研究的可能方向。厦门大学医学院博士研究生赵雪、厦门大学附属翔安医院肿瘤科主治医师、厦门市乳甲肿瘤临床研究中心主任助理白静雯博士为本文共同第一作者，张国君教授和厦门大学附属翔安医院放射科主任任克教授为本文通讯作者。相关工作得到了国家自然科学基金、福建省科技重大专项专题等5项基金的资助。

乳腺癌是女性最常见的恶性肿瘤，乳腺MRI是检测早期浸润性乳腺癌症最敏感的方法。深度学习（Deep Learning, DL）是最强大的数据驱动人工智能技术之一，它可以从原始数据中自动学习，而无需手动特征选择。DL在医学图像分析和疾病诊断方面已取得了重大进展。近年来，大量研究者通过乳腺MRI图像构建深度学习模型，并用于多种乳腺癌的临床应用场景中，包括乳腺实质背景增强评估、乳腺癌的诊断、分子分型、组织病理学分型，新辅助化疗反应预测以及淋巴结转移预测。各种各样的深度学习模型已被证实在乳腺癌相关的诊断和预测任务中具有良好甚至超越影像科医生的表现，同时可以大大减轻医生的工作量并节约时间成本。然而目前已有的研究仍面临许多问题，如数据量不足、多中心数据格式不统一、使用的DL模型不够先进、缺少对一些重要临床场景的应用等。因此，该领域的研究和探索仍有很长的路要走。未来，研究者需要同时在技术和临床应用方向上进行更深入的探索和创新。我们认为，后续研究应尝试采用更先进的深度融合模型并更好地落实结果的可视化。此外，在临床应用方面，我们建议将对保乳手术切缘状态、患者预后或复发转移情况和免疫治疗疗效的智能预测等应用作为重点研究方向。我们相信，随着人工智能和深度学习技术的发展以及医工交叉研究的深入，基于乳腺MRI的深度学习技术有望更早更准确的检测出乳腺癌，并帮助患者制定个性化治疗方案甚至改善患者的预后，从而实现乳腺癌患者在诊疗全过程中获益。

基于乳腺MRI的DL模型在乳腺癌中的应用流程

张国君教授致力于乳腺癌基础和临床研究30余年，在乳腺癌发生发展与转移机制、精准外科手术导航等方面取得诸多创新性成果，在Nature Protocols, Nature Medicine, Clinical Cancer Research 等国际知名学术期刊上发表超百篇论文。主要研究方向有：1.乳腺癌的基础研究；2.分子影像学与肿瘤精准治疗的临床转化研究；3.智能医学与肿瘤多学科综合诊治研究。欢迎广大优秀学子及临床、科研人员报考硕、博研究生及博士后合作研究。邮箱：gjzhang@xah.xmu.edu.cn。

文\赵雪

图\赵雪

审\白静雯