目前，残余肿瘤负荷(RCB)分级已成为公认的乳腺癌新辅助治疗疗效评估标准之一。该标准通过测量患者新辅助化疗后的原发癌灶范围、癌细胞密度、阳性淋巴结数量、淋巴结癌灶最大径等参数，来综合评估患者的治疗反应。

　　RCB分级越低，表明治疗效果越好。RCB-0级表示乳腺癌达到了病理完全缓解，RCB-3级则表明乳腺癌对治疗具有耐药性。因此，在新辅助化疗早期识别RCB-3级的患者可以帮助医生及时调整化疗方案、为患者制定合适的手术及随访策略等，对于临床决策具有极其重要的意义。

　　然而，当前临床实践中，仍缺少一 种能够早期无创预测RCB分级的工具。

　　针对这样的现状，王坤及其团队以磁共振成像为切入点，利用来自多中心的乳腺癌患者的磁共振数据，构建了国际上首个针对乳腺癌不同分子亚型的人工智能系统，可在新辅助化疗的早期阶段准确预测乳腺癌的RCB分级。该人工智能系统不仅能精准预测RCB 0-1级的疗效良好患者，还能早期识别RCB-3级的化疗无效患者。