癌症排行榜中，乳癌的發病率節節躍升，2020年更取代肺癌成為全球癌症首位，佔全球所有新發癌症病例的11.7%。應用科學學院副教授檀韜與研究團隊的最新研究，通過多模態數據融合模型，輔助醫療人員評估病友對各個療程的反應，該模型在新輔助治療（neoadjuvant treatment）初期，對病理完全緩解（pathological complete response, pCR）的預測表現尤其突出，有望發展成為乳癌精準化治療的得力助手。
研究成果在國際權威學術期刊《自然通訊》（Nature Communications）上發表，並獲西班牙巴塞羅那醫學中心及美國紐約大學醫學院等機構評審專家的高度評價，為人工智能在腫瘤學領域的應用樹立創新性範例，特別對乳癌新輔助治療的反應預測具有重要意義。
探索新輔助治療反應
乳癌典型的綜合治療主要結合標靶和化學藥物、放射線消除、荷爾蒙抵抗、免疫系統機制建立，以及外科手術。前述新輔助治療是常見的術前治療方法，用於消滅癌細胞和縮小腫瘤，最理想是消除癌細胞而無需進行手術，患者具備良好的長期預後，癌細胞未有再擴散至乳腺組織的跡象，醫學上稱為“病理完全緩解”。
傳統評估治療效果的方法包括反覆進行影像檢查及分子標誌物檢測、病理分析，結合臨床經驗，再階段性調整倘需的治療方案。現有相關人工智能研究大多聚焦探索多模態的特性提取，較少關注模型的設計和輸入結構，其他研發系統則專注於單一時期患者對療法的反應，或較依賴完整無缺的數據資料，它們在醫療環境中的實際可行性可能受到限制。
分析不同治療階段數據
檀韜副教授是應用科學學院人工智能醫學影像分析技術研究團隊的核心人物。他與荷蘭癌症研究所、荷蘭馬斯特裡赫特大學醫學中心、荷蘭拉德堡德大學醫學中心、廣東省人民醫院，以及福建省立醫院等研究機構合作，研發一種治療反應預測模型（Multimodal Response Prediction）系統，目標通過整合多源醫療數據，提升人工智能對治療效果評估的臨床實用性。
該系統演繹醫生智能助理的角色，預測乳癌患者對新輔助療法的適應性和療效反應，綜合分析治療前、中、後期的各組數據，如個人身體指數、組織病理、乳房X光和磁力共振掃描影像、治療細節等，並嵌入時間信息以捕捉動態變化，協助醫生就患者各類指數判斷下一步的治療方案。
比較醫生的臨床預判
這項研究分為內部及外部兩個層次的反覆測試，採用真實國際醫療數據，提升模型應用的可靠性。內部訓練基於3,352名乳癌患者的數據，涵蓋新輔助治療的整個過程、各種乳癌分子亞型及腫瘤的多樣性，數據來自經荷蘭癌症研究所接受治療的患者。外部驗證數據源自中國福州大學附設省立醫院、美國杜克大學、以及在腫瘤學上稱為“I-SPY 2”的試驗預測先驅平台，確保數據具一定的代表性，提升模型在真實臨床環境中的泛化能力。
治療反應預測模型系統的人工智能技術，是利用跨模態的結構性信息進行深度學習，從而構成多模態可解釋模型，並具備靈活輸入設計，通過交叉模態預測補償缺失信息。為驗證該模型是否適切臨床應用，研究邀請六名認證放射科醫生對癌症個案影像集作出逐一分析，經比對放射科醫生及系統的分析結果，發現該系統在治療初期，對病理完全緩解的療法預測表現理想。研究相關網站提供該系統編碼，為後續醫學研究提供具有價值的依據。
推進智慧醫療建設
在治療初期善用數據分析各種療效，有助加快或更好掌握病情及思量需要的替代方案，以降低切除手術的可能性及增加治癒機率，減少患者皮肉之痛和經濟負擔。在乳癌的發生率高企的情況下，智能科技能迅速分析大量數據，提供更精準的治療方案。
應用科學學院的人工智能醫學影像分析團隊專注於醫學人工智能的產學研合作，團隊與醫療團隊緊密溝通，針對臨床需求不斷創新算法，利用智能科技助力提升醫療效率，進一步加強前瞻性研究和多模態擴展以優化實際應用，在醫療行業創設智慧診療生態。
尋找快樂的配方