Paclitaxel/Encequidar mesylate

2025年度，余运芳博士及其团队的研究展现了“临床问题驱动、前沿技术突破、转化应用导向” 的鲜明特点，聚焦新一代生成式AI与多模态在临床诊疗中的应用、乳腺癌AI辅助诊疗研究、肿瘤微环境及免疫治疗机制与临床应用研究等。在新一代AI技术及乳腺癌AI辅助诊疗层面，主导构建生成式AI多模态基础模型解决医学影像数据稀缺与复杂临床诊疗任务理解瓶颈，成果发表于Nature Medicine、Nature Biotechnology、Cell Reports Medicine、International Journal of Surgery等；在肿瘤微环境及免疫治疗研究中，开发TMEclassifier工具，提出多维免疫分型及图神经网络模型，并基于单细胞RNA测序技术及人工智能模型，精准评估肿瘤免疫状态，显著提升免疫治疗的预测和治疗效果，成果发表于Advanced Science、Cell Reports Medicine、Molecular Biomedicine等；在临床应用研究，共同完成Oraxol口服化疗方案及HER2阳性乳腺癌精准治疗策略的I-II期临床试验，实现从模型算法到真实世界应用的落地，成果发表于MedComm。 此外，余运芳博士及其团队成功举办“2025未来医学大会暨湾区未来医学人才交流会”，同期担任执行会长成立了“广东省卫生信息网络协会生成式人工智能分会”。生成式人工智能分会共吸纳成员150余名，由约25所国内外高校等科研机构专家共同组成，学科覆盖临床医学、人工智能、大数据、生物医学工程等多个领域，体现出极强的交叉融合与人才聚合能力。高校成员包括中山大学、华南理工大学、广东工业大学、广东药科大学、清华大学、澳门大学、澳门科技大学、香港大学、香港中文大学、香港科技大学、香港理工大学、香港浸会大学，以及哈佛大学、瑞典卡罗林斯卡医学院等一批国内外知名学府；医疗机构则包括中山大学孙逸仙纪念医院、暨南大学附属第一医院、南方医科大学南方医院、南方医科大学珠江医院等多家三甲医院和区域医疗中心。这一系列高规格的学术活动标志着他的工作重心已从实验室内的前沿突破，延伸至搭建跨学科、跨地域的交流平台，积极推动“人工智能+医疗卫生”从技术研发走向行业共识与规范发展的新阶段。 （一）聚焦新一代生成式AI与多模态技术在临床诊疗中的应用 1. 构建医学生成式人工智能大模型，辅助乳腺癌及临床诊疗决策 澳门科技大学张康教授、余运芳博士及其团队在Nature Medicine发表了一篇论文，题为“Self-improving generative foundation model for synthetic medical image generation and clinical applications”(JCR Q1, IF: 50.00)。医学影像数据稀缺是制约人工智能在医学领域广泛应用的关键障碍之一，尤其在罕见病、新兴影像模态中，数据的多样性与代表性尤为不足。针对这一难题，团队创新性地提出并构建了MINIM生成式人工智能基础模型。该模型可基于文本指令，跨器官、跨模态高质量合成CT、MRI等多类型医学影像，有效打破“数据瓶颈”，为人工智能模型训练、自监督学习及临床转化提供高质量数据支撑。研究系统验证了MINIM的合成影像在主观专家评估和客观量化指标上均优于现有主流模型，显著提升了诊断、报告生成等下游任务的人工智能性能。 在临床应用层面，MINIM支持HER2阳性乳腺癌MRI的精准预测，并在大规模回顾性模拟中准确识别肺癌CT中的EGFR敏感突变，展现出改善靶向治疗方案与提升5年生存率的潜力（Nat Med. 2025 Feb;31(2):609-617）（图1）。 此外，研究团队在Cell Press 旗下权威期刊 Cell Reports Medicine 上发表了一篇研究论文，题为“MetaGP: A generative foundation model integrating electronic health records and multimodal imaging for addressing unmet clinical needs”(JCR Q1, IF: 10.60)，介绍了其开发并验证的大型生成式人工智能基础模型MetaGP。面对罕见病、急重症等复杂场景，传统AI往往“力有未逮”。团队研发的MetaGP医学生成式大模型，为智能诊断和多模态决策开辟新道路。该模型融合800万份电子病历、千万级文献与多模态医学影像数据，实现了跨学科、跨模态的医学知识整合，极大提升了AI在罕见病、急重症等复杂临床场景下的诊断准确率，助力基层医生及年轻医师临床决策，实现AI与临床的深度协同。MetaGP不仅超越了GPT-4等通用大模型，更在实际病例评测中达到资深专家水平，获得广泛行业关注。该模型旨在整合电子病历和多模态影像数据，有效应对复杂的临床需求，为精准医学和智能诊疗提供了先进的技术支持。相关成果在第八届清华校友三创大赛“一带一路”地区邀请赛中荣获天使组十强，进一步体现其转化潜力和产业认可度(Cell Rep Med. 2025 Apr 15;6(4):102056)（图2）。 进一步研究中，团队在Cell Press细胞出版社旗下期刊Cell Reports Medicine发表了一篇论文，题为“AI-enabled molecular phenotyping and prognostic predictions in lung cancer through multimodal clinical information integration”(JCR Q1, IF: 10.60)。该研究提出了一个名为LUCID的多模态人工智能框架模型，能够整合CT影像、主诉、实验室检测结果和人口统计学信息，以无创方式预测肺癌患者的EGFR基因突变情况和生存结局，展示了生成式人工智能在分子分型与预后评估中的非侵入性、高性能与强鲁棒性特征。模型采用分阶段Transformer结构与跨模态注意力机制，在内外部数据集上均获得优异表现，并具备应对数据缺失的泛化能力，构建了面向临床场景的智能诊疗工具(Cell Reports Medicine.2025 Jun 28:102216)（图3）。 在标记物及治疗靶向研发领域，团队系统总结人工智能在药物发现全流程的应用前沿，于Nature Medicine发表长篇综述，题为“Artificial Intelligence in Drug Development” (JCR Q1, IF: 50.00，ESI高被引论文)。这篇文章是近十年来Nature Medicine 首次发表的由中国学者主导的 AI 主题综述，充分展示了团队在该领域的国际影响力。传统新药研发“周期长、失败率高”的痛点，长期制约着新疗法的临床转化。团队率先系统性总结和展望了AI赋能药物开发的全流程创新：将生成式AI（包括大模型和生成模型）深度嵌入药物发现全流程，通过智能化分子设计、虚拟筛选与药效预测，大幅提升了靶点发现与分子优化的效率，推动AI在药物合成、临床试验、药物再定位等多环节落地。其成果不仅加速了新药研发进程，也为罕见病、复杂疾病等未满足临床需求领域带来曙光，使生成式人工智能正成为突破药物发现“瓶颈”的颠覆性工具。同时也指出未来AI驱动药物开发需关注数据多样性、模型解释性、合成可行性与伦理法规等挑战，并为行业未来发展提供了系统性建议（Nature Medicine. 2025 Jan;31(1):45-59）（图4）。 团队在MedComm-Future Medicine期刊发表了题为“Neoadjuvant Strategies for Triple Negative Breast Cancer: Current Evidence and Future Perspectives”的封面文章，系统地回顾了TNBC新辅助治疗的历史演进、最新研究进展及未来发展趋势。三阴性乳腺癌（TNBC）是一种高度侵袭性的乳腺癌亚型，具有较差的预后和有限的治疗选择。尽管新辅助化疗（NACT）仍然是公认的治疗方法，但其在TNBC中的疗效不足，凸显了迫切需要优化治疗策略以提高病理完全缓解（pCR）率。本综述提供了关于TNBC新辅助治疗的最新进展的全面概述，重点介绍了治疗策略的关键突破以及在提升精准医疗方面的创新进展。文中强调了铂类药物的临床价值，如卡铂和顺铂，特别是在具有BRCA突变的TNBC患者中，这些药物已显示出显著的pCR率改善。此外，综述还探讨了靶向治疗的进展，包括PARP抑制剂、AKT抑制剂和抗血管生成药物，展示了它们在个体化治疗中的潜力。免疫治疗的结合，特别是免疫检查点抑制剂如帕博利珠单抗和阿替利珠单抗与化疗的联合，已在高风险TNBC病例中显示出显著的疗效。未来的研究重点包括优化生物标志物驱动的策略、优化治疗组合、开发靶向TROP2及其他生物标志物的抗体-药物偶联物（ADCs），以及减少治疗相关毒性，以开发更安全、个性化的新辅助治疗。此外，人工智能也已成为预测治疗反应和优化治疗决策的变革性工具。这些进展旨在改善TNBC患者的长期预后和生活质量（MedComm Future Medicine, 2025,2.70013）（图5）。 2025年5月28日，2024年度澳门特别行政区科学技术奖励颁奖典礼于中国与葡语国家商贸合作服务平台综合体隆重举行。澳门科技大学、中山大学孙逸仙纪念医院余运芳博士荣获“澳门特别行政区研究生科技研发奖”。此次获奖是在医学人工智能领域科研成果与技术创新的高度认可，也彰显了“澳门研发、湾区转化”的核心战略成果。本次颁奖典礼由澳门科学技术发展基金主办，澳门特别行政区行政长官岑浩辉亲临现场并为获奖者颁奖。中央人民政府驻澳门特别行政区联络办公室主任郑新聪、外交部驻澳门特别行政区特派员公署特派员刘显法、经济财政司司长戴建业、科学技术发展基金行政委员会主席谢永强及多位评审专家出席典礼，国家科技部、广东省科技厅、珠海市科创局及本澳各高等院校、科研机构等300余名代表共同见证（图6）。 2. 多模态人工智能助力肿瘤精准诊疗，推进技术临床转化 团队在International Journal of Surgery期刊发表了题为“A foundation model for predicting outcomes of neoadjuvant chemotherapy in breast cancer”(JCR Q1, IF: 10.10)的文章，研究构建了一个整合组织病理图像与临床数据的基础模型，旨在实现对乳腺癌新辅助化疗疗效与预后的精准评估，从而推动个体化治疗决策。新辅助化疗（NAC）是乳腺癌治疗中的关键策略，但由于肿瘤异质性及缺乏可靠的生物标志物，临床实践中仍面临两大挑战：如何筛选真正能从新辅助化疗中获益的患者，以及如何基于治疗反应制定个体化的后续辅助治疗方案。为应对这些问题，本研究构建了一个多模态病理基础模型。该模型能够同步完成多项预测任务，包括乳腺癌患者的病理完全缓解（pCR）和无病生存期（DFS）评估。在盲法测试集中，模型展现出优异的预测性能，其pCR预测AUC达到0.994，4年DFS预测AUC为0.885。尤为重要的是，在模型划分为中高危复发转移风险的非pCR患者中，接受不同辅助化疗强度（强化、标准或无辅助化疗）的患者在DFS方面存在显著差异，表明该模型具备指导术后辅助治疗决策的潜力。此外，通过可视化热图将模型预测结果与肿瘤微环境特征相关联，增强了模型的可解释性，为深入理解治疗应答的生物学机制提供了新视角。本研究成功构建了首个整合乳腺病理图像与临床数据的基础模型，实现了对乳腺癌新辅助化疗疗效与预后高精度的评估。该模型不仅具备优异的预测效能，更可作为临床辅助工具，帮助识别可能从新辅助治疗中获益的患者，并可对新辅助治疗后非pCR的患者进行精准复发转移风险分层，从而为不同风险患者制定个体化的辅助治疗方案。这一成果为推动乳腺癌治疗阶段的全程精准医学实践提供了重要工具（International Journal of Surgery. 2025 Nov 13. doi: 10.1097/JS9.0000000000003999）（图7）。 团队在International Journal of Surgery期刊发表了题为“Artificial intelligence-powered copilots for precision diagnosis and surgical assessment of histological growth patterns in resectable colorectal liver metastases: a prospective study”(JCR Q1, IF: 10.10)的文章，该研究提出一种人工智能模型COFFEE，旨在精确分类结直肠癌肝转移患者的组织病理生长模式（HGP）。该模型采用Transformer架构，并通过预训练的Vision Transformer（ViT）来提取肿瘤切片中的特征，结合多实例学习（TransMIL）框架进行分类。研究结果表明，COFFEE模型在训练集、测试集和前瞻性队列中表现出了较强的预测能力。此外，AI辅助的诊断提高了病理学家的诊断准确性，并显著缩短了诊断时间，尤其是在初级病理学家中，准确率从85.9%提升至94.7%。研究进一步分析了不同HGP类型与患者临床特征的关系。结果显示，具有脱纤维HGP（dHGP）的患者在总生存期（OS）和无病生存期（PFS）方面明显优于非脱纤维HGP（non-dHGP）患者。此外，四分类模型能够进一步区分不同的HGP类型，如替代型HGP（rHGP）和推挤型HGP（pHGP），并为个性化治疗提供指导。COFFEE模型在结直肠癌肝转移的HGP分类中展现了高效和高精度的诊断能力，能够帮助临床医生更精准地评估患者的预后，并指导术后治疗方案的制定（Int J Surg. 2025 Nov 1;111(11):7939-7955）（图8）。 团队在Pharmacological Research期刊发表了题为“MRI-based multimodal AI model enables prediction of recurrence risk and adjuvant therapy in breast cancer”(JCR Q1, IF: 10.40)的文章，研究构建并验证了一种多任务3D深度学习多模态模型（3D-MMR-model），可基于来自多中心的术前MRI影像与临床病理特征准确预测非转移性乳腺癌患者的无病生存风险。乳腺癌患者的预后改善依赖于早期复发转移风险和治疗反应预测，如何评估化疗敏感性以制定个体化治疗方案，仍然是临床中的重要挑战。磁共振成像（MRI）作为无创检测手段，在肿瘤特征识别中发挥重要作用。本研究旨在构建融合多模态MRI信息的三维深度学习模型，以实现肿瘤分割及无病生存期预测的多任务学习，助力乳腺癌个体化诊疗。该模型在外部验证队列及多种分子分型人群中均展现出优异的预测性能和稳健的风险分层能力，强调了其在不同临床环境中的广泛适用性。此外，通过RNA-seq分析探讨肿瘤区域热点与免疫微环境及化疗敏感性之间的关系，可识别其中的关键特征，为临床用药提供依据。通过深度学习与可视化技术相结合，模型兼具良好的预测性能与可解释性，有望切实提升术后辅助治疗的精准性与实用价值（Pharmacological Research.2025 Jun:216:107765）（图9）。 团队在MedComm期刊发表了题为“Artificial Intelligence-Based Multimodal Prediction of Postoperative Adjuvant Immunotherapy Benefit in Urothelial Carcinoma: Results From the Phase III, Multicenter, Randomized, IMvigor010 Trial”(JCR Q1, IF: 10.70) 的文章，旨在通过人工智能驱动的多模态模型，预测尿路上皮癌患者术后辅助免疫治疗的获益，从而优化个体化治疗策略。循环肿瘤DNA（ctDNA）检测已在识别可能从辅助免疫治疗中受益的肌肉浸润性尿路上皮癌（MIUC）患者中显示出应用价值，但来自手术标本的转录组数据的预后价值仍未得到充分探讨。通过使用IMvigor010试验中的转录组学和ctDNA数据，研究开发了一种人工智能（AI）驱动的生物标志物，用于预测尿路上皮癌的免疫治疗反应，称为UAIscore。在接受阿特珠单抗治疗的患者中，高UAIscore的患者比观察组有显著更好的疗效。值得注意的是，UAIscore的预测性能始终优于ctDNA、tTMB和PD-L1，突显了其作为独立生物标志物的价值。此外，将ctDNA、tTMB和PD-L1与UAIscore结合进一步提高了预测准确性，强调了整合多模态生物标志物的重要性。对分子亚型的进一步分析表明，腔内亚型倾向于对辅助免疫治疗敏感，因为它可能表现出最高水平的免疫浸润和最低的低氧程度。值得一提的是，研究阐明了NF-κB和TNF-α通路在免疫富集型肿瘤微环境中介导免疫治疗耐药的作用。这些发现有助于将可能对辅助免疫治疗产生反应的患者分层，同时为组合疗法提供了机制性依据，以增强尿路上皮癌免疫治疗的疗效（MedComm. 2025 Aug 25;6(9):e7032）（图10）。 团队在MedComm期刊发表了题为“Contrast-Enhanced Ultrasound Enables Precision Diagnosis of Preoperative Muscle Invasion in Bladder Cancer: A Prospective Study”(JCR Q1, IF: 10.70) 的文章，旨在评估对比增强超声在膀胱癌术前分期中的效果，特别是其在区分非肌层浸润性膀胱癌和肌层浸润性膀胱癌中的应用价值。膀胱癌的高死亡率凸显了精准分期的必要性，特别是区分非肌层浸润性膀胱癌（NMIBC）和肌层浸润性膀胱癌（MIBC）。本前瞻性研究评估了对比增强超声（CEUS）在术前分期中的效果，重点考察其区分NMIBC和MIBC的能力。研究于2020年4月至2021年9月期间开展，共纳入163例患者（中位年龄：64.0岁；137例男性，26例女性），其中133例为NMIBC（81.6%），30例为MIBC（18.4%）。所有患者均接受了CEUS检查，并随后进行经尿道膀胱肿瘤切除术或根治性膀胱切除术。CEUS在确定肌层浸润状态方面表现出较高的诊断准确性（敏感性83.3%，特异性92.5%，准确性90.8%，受试者工作特征曲线下面积[AUC]为0.88）。与MRI（AUC 0.77）进行比较，CEUS在肌层浸润检测中表现更好。将CEUS与MRI结合使用提高了诊断准确性，特别是在MRI膀胱影像报告和数据系统评分为3分时，联合方法达到了AUC 0.73，敏感性、特异性和准确性分别为76.2%、70.2%和71.6%。因此，CEUS作为膀胱癌术前分期的有价值诊断工具，特别是在评估肌层浸润状态方面，能够帮助临床决策和干预效果的判断（MedComm, 2025, e70106）（图11）。 （二）肿瘤免疫微环境异质性解析与免疫治疗反应预测的系统研究 团队在Cell Reports Medicine期刊发表了题为“EGFR TKIs Suppress MUC1 Glycosylation via PI3K/AKT/SP1/C1GALT1 pathway to Enhance TnMUC1 CAR-T Efficacy in EGFR-Mutant NSCLC”(JCR Q1, IF: 10.60)的文章，旨在揭示EGFR TKI是否及如何调控MUC1糖基化。研究在多种EGFR突变NSCLC细胞系及异种移植小鼠模型中评估了 EGFR TKI对MUC1糖基化与Tn-MUC1抗原暴露的影响。通过转录组测序、染色质免疫沉淀、糖基化分析、蛋白互作实验及功能学检测，解析 EGFR TKI调控MUC1 糖基化的分子机制。同时构建靶向Tn-MUC1抗原的CAR-T细胞，评价其与EGFR TKI联合治疗的免疫细胞毒性及抗肿瘤活性。研究发现，EGFR TKI可显著降低 MUC1的O-糖基化水平，并在EGFR突变NSCLC中强烈提升TnMUC1抗原的细胞表面暴露。机制上，EGFR TKI抑制PI3K/AKT通路活化，降低转录因子 SP1的活性，进而转录下调关键O-糖基转移酶C1GALT1。C1GALT1的降低导致MUC1 O-糖链延伸受阻，使Tn-MUC1抗原充分暴露。功能实验显示，EGFR TKI与TnMUC1 CAR-T联合治疗在体外协同增强肿瘤细胞裂解，在小鼠模型中亦产生显著的肿瘤抑制效应，并促进CAR-T细胞浸润与杀伤。本研究揭示EGFR TKI可通过抑制 PI3K/AKT/SP1/C1GALT1通路，阻断MUC1的O-糖基化，从而增强Tn-MUC1抗原暴露，并显著提升Tn-MUC1 CAR-T的抗肿瘤效应。该发现不仅阐明了EGFR TKI作用于糖基化调控的新机制，也为EGFR突变NSCLC中“靶向 + 免疫”联合策略提供了理论基础和潜在治疗方向（Cell Reports Medicine. 2025 Jun 17:102199）（图12）。 团队在Advanced Science期刊发表了题为“Immunotyping the Tumor Microenvironment Reveals Molecular Heterogeneity for Personalized Immunotherapy in Cancer” (JCR Q1, IF: 14.30)的文章，旨在深入解析肿瘤免疫微环境异质性及其对免疫治疗响应的影响。肿瘤微环境（TME）显著影响癌症预后和治疗效果，但其组成具有高度异质性，目前尚无高通量、易于获取的方法来定义肿瘤微环境。为了解决这一复杂性，团队研发一种机器学习工具TMEclassifier，该工具将癌症分为三种不同的亚型：免疫排斥型（IE）、免疫抑制型（IS）和免疫激活型（IA）。通过RNA测序，患者样本按TME亚型进行分类，并通过体内小鼠模型验证TME亚型差异及其对免疫治疗的不同反应。IE亚型的特点是高丰度的基质细胞，通常与侵袭性癌症表型相关。IS亚型则表现为髓源抑制性细胞的浸润，增强了免疫抑制作用。与此相对，IA亚型常与EBV/MSI相关，具有较强的T细胞存在，并且对免疫治疗反应较好。单细胞RNA测序被用于探索TME的细胞异质性，体内实验表明，靶向IL-1可以对抗IS亚型的免疫抑制作用，并显著提高其对免疫治疗的响应。TMEclassifier在前瞻性胃癌队列（TIMES-001）及其他多样化队列中的预测结果得到了验证。该分类器能够有效地对患者进行分层，从而指导个性化免疫治疗策略，增强精准性并克服耐药性（Advanced Science. 2025, 28:e2417593）（图13）。 团队在Molecular Biomedicine期刊发表了题为“Single-Cell RNA Sequencing Identifies CD8+ T Effector Cell Activation as a Predictive Biomarker for Immunotherapy in Triple-Negative Breast Cancer”(JCR Q1, IF: 10.10)的文章，旨在从功能层面和整体微环境层面更精确评估肿瘤免疫状态，从而预测疗效和指导个性化治疗的生物标志物。研究通过单细胞RNA测序技术，深入解析了TNBC的免疫微环境，发现：CD8Teff细胞是关键的肿瘤免疫微环境分型预测因子，其中CXCL13在CD8Teff细胞发挥功能时充当了重要调节因子。揭示了CD8Teff细胞通过与树突状细胞、NK细胞、肿瘤细胞形成通讯网络塑造免疫微环境，促进抗肿瘤免疫的机制。并开发了一种基于人工智能的病理模型，可针对常规的H&E染色病理切片识别并量化CD8Teff细胞的空间分布，从而精准区分肿瘤免疫分型。该研究发现CD8Teff细胞更具有作为预测生物标志物的临床应用价值，为三阴性乳腺癌患者的个性化治疗提供了新的分子分型依据，并以此为理论基础开发了新型AI病理模型，具有成为便捷临床应用工具的巨大潜力（Molecular Biomedicine.2025;6(1):66）（图14）。 （三）推进乳腺癌个体化精准治疗策略的临床转化研究 1.Oraxol口服化疗新方案在转移性乳腺癌中的机制研究与疗效验证 在转移性乳腺癌精准治疗领域，团队率先开展了Oraxol（一种新型口服紫杉醇联合P-gp抑制剂）的I期临床试验，系统评估其在晚期乳腺癌患者中的药代动力学特征、安全性及初步疗效。该研究成果发表在MedComm期刊，题为“Phase I Clinical Trial to Assess Safety and Efficacy of Oraxol, a Novel Oral Paclitaxel Chemotherapy Agent, in Patients With Previously Treated Metastatic Breast Cancer”(JCR Q1, IF: 10.70) 。研究结果显示，Oraxol具有良好的口服吸收性与耐受性，显著提高客观缓解率，并在延长无进展生存期和总生存期方面表现出积极信号，尤其对三阴性乳腺癌人群展现出显著治疗潜力。代谢组学分析进一步揭示Oraxol可调控多条肿瘤代谢通路，相关代谢物与治疗响应和生存结局密切相关，提示其在预测疗效和指导精准治疗中的生物标志物潜力。该研究为乳腺癌的口服化疗提供了新的选择，也为基于代谢重塑的精准治疗策略奠定了重要基础（MedComm, 2025, e70097）（图15）。 2. HER2阳性乳腺癌精准治疗 聚焦于HR+/HER2+转移性乳腺癌人群，团队牵头开展了一项多中心、单臂Ⅱ期临床试验（NCT04034589），系统评估口服HER2酪氨酸激酶抑制剂吡咯替尼联合氟维司群的疗效与安全性。该研究成果发表在MedComm期刊，题为“Combined pyrotinib and fulvestrant for hormone receptor-positive and HER2-positive metastatic breast cancer: A multicenter, single-arm, phase II trial”(JCR Q1, IF: 10.70) 。研究结果显示，该联合方案显著提高了客观缓解率和疾病控制率，并在延长无进展生存期和总生存方面展现出良好前景。在伴有脑转移的亚组中同样观察到令人鼓舞的治疗效果，提示该方案在突破血脑屏障治疗瓶颈方面具备潜力。上述研究不仅验证了该组合在临床应用中的价值，也为未来基于基因分型和分子标志物筛查的个体化治疗策略提供了重要依据（MedComm, 2025;6:e70031）（图16）。 结语：从临床出发，走向未来医学 回顾2025年，余运芳博士及其团队始终以临床真实问题为原点，持续推动生成式人工智能、多模态大模型与肿瘤精准诊疗的深度融合，系统性实现了从方法学创新、机制突破到临床试验与真实世界应用的跨越式发展。从医学生成式基础模型的构建，到肿瘤免疫微环境的精准分型；从智能诊断与决策支持，到个体化治疗策略的临床落地，其研究不断拓展“AI + 医疗”的技术边界，也为肿瘤精准医学提供了一条可复制、可验证、可推广的实践范式。 团队联合研发的乳腺专科诊疗生成式大模型Breast GPT 于 2025 年 9 月 23 日在第四届琶洲国际算法大赛生态赋能大会上正式发布，未来将广泛服务于乳腺癌筛查、诊断决策支持及全周期诊疗管理等真实临床场景。 团队联合研发 URS Med AI 全息问诊机器人“小优”亮相2025 年 11 月 22 日“Future Medicine—未来医学大会” 。作为业内首款融合全息投影、语音交互与多模态临床诊疗大模型的智能终端，“小优”的亮相标志着 AI 医疗从“幕后辅助”迈向“台前交互”，重新定义了患者就医的初始体验，实现了从核心算法到人机交互体验的双重突破。 面向未来，余运芳博士及其团队将继续以患者获益为核心导向，贯通临床、科研与产业应用，联动多学科力量，持续推动人工智能赋能医学向更规范、更可及、更具临床价值的方向稳步前行。 专家简介 余运芳 博士 中山大学孙逸仙纪念医院 肿瘤内科主治医师  南院日间化疗中心区长 获得澳门特别行政区研究生科技研发奖 MedComm - Future Medicine青年编委 广东省卫生信息网络协会生成式人工智能分会执行会长 广东省医疗行业协会乳腺肿瘤内科管理分会副主任委员 广东省精准医学应用学会心脏影像技术分会副主任委员 中国抗癌协会前列腺肿瘤整合康复专业委员会委员 主持国家自然青年科学基金项目 主持2项广东省自然科学基金面上项目 主持广州市科学技术局项目（逸仙优秀青年医学人才） 作为项目骨干承担国家科技部重点研发计划 作为项目骨干揭榜广东特支计划省卫生健康委“领军人才”项目 以第一/通讯在Nature Medicine（2篇）、Nature Biotechnology、Nature Communications、JAMA Network Open（4篇）、Cell Reports Medicine（3篇）、Advanced Science、EBioMedicine、EClinicalMedicine等SCI期刊发表60余篇，总IF>600 上下滑动查看更多 参考文献 (1) Jinzhuo Wang#*, Kai Wang#, Yunfang Yu# (共一), Yuxing Lu#, Wenchao Xiao#, Zhuo Sun#, Fei Liu#, Zixing Zou, Yuanxu Gao, Lei Yang, Hongyu Zhou, Hanpei Miao, Wenting Zhao, Lisha Huang, Lingchao Zeng, Rui Guo, Ieng Chong, Boyu Deng, Linling Cheng, Xiaoniao Chen, Luo Jing, Menghua Zhu, Daniel Baptista-Hon, Olivia Monteiro, Ming Li, Kanmin Xue, Eric Oermann, Huiyan Luo, Yun Yin, Kang Zhang*, Jia Qu*. Self-improving generative foundation model for synthetic medical image generation and clinical applications. Nature Medicine, 2025;31(2):609-617. (JCR Q1, IF: 50.00) (2) Kang Zhang#*, Xin Yang#, Yifei Wang#, Yunfang Yu#(共一), Niu Huang, Gen Li, Shaokun Li, Joseph C. Wu, Shengyong Yang*. Artificial Intelligence in Drug Development. Nature Medicine, 2025;31(1):45-59. (JCR Q1, IF: 50.00，ESI高被引论文) (3) Ruichong Lin#, Zifan He#, Jingjing Han#, Zehua Wang#, Yongjian Chen#, Luhui Mao#, Qing Peng, Zebang Zhang, Tang Li, Zhenjun Huang, Haizhu Chen, Jiepeng Liang, Olivia Monteiro, Daniel Baptista-Hon, Yanqiong Liu, Yunjie Zeng, Zhenhui Zhao, Huiqin Xu, Kaicong Zhang, Xingbin Hu, Xiaoxi Zhang, Puxiang Lai, Liancheng Yang, Tong Li, Lijun Zheng, Juanjuan Yong*, Wei Ren*, Kai Chen*, Herui Yao*, Yunfang Yu*(通讯). A foundation model for predicting outcomes of neoadjuvant chemotherapy in breast cancer. International Journal of Surgery. 2025 Nov 13. doi: 10.1097/JS9.0000000000003999. (JCR Q1, IF: 10.10) (4) Yuxing Lu#, Fei Liu#, Yunfang Yu#(共一), Bojiang Chen#, Wenyao Yu, Zixing Zou, Kun Li, Miao Man, Caiwen Ou, Chengdi Wang*, Kang Zhang*, Jinzhuo Wang*, Xiaoying Huang*. AI-enabled molecular phenotyping and prognostic predictions in lung cancer through multimodal clinical information integration. Cell Reports Medicine. 2025,28:102216. (JCR Q1, IF: 10.60) (5) Luhui Mao#, Zebang Zhang#, Yongjian Chen#, Qing Peng#, Zhenjun Huang#, Wenhao Ouyang, Dongqiang Zeng, Wei Ren, Zifan He, Tang Li, Zehua Wang, Ruichong Lin, Jianli Zhao*, Jiannan Wu*, Herui Yao*, Yunfang Yu*(通讯), Single-Cell RNA Sequencing Identifies CD8+ T Effector Cell Activation as a Predictive Biomarker for Immunotherapy in Triple-Negative Breast Cancer, Molecular Biomedicine, 2025,19;6(1):66,  (JCR Q1, IF: 10.10). (6) Ruichong Lin#, Yongjian Chen#, Yanchun Li#, Yujie Tan#, Chao Wang#, Zehua Wang#, Mengyang Sun, Lin Wang, Yufei Wu, Qiyun Ou, Lui Ng, Xiaoxi Zhang, Weidong Pan, Zongyan Li, Zuxiao Chen, Zheyu Zheng, Xiaoming Huang, Lei Zhang, Sunjing Song, Zaopeng He*, Nannan Li*, Yunfang Yu*(共通), Dawei Zhang*. Artificial Intelligence-Powered Copilots for Precision Diagnosis and Surgical Assessment of Histological Growth Patterns in Resectable Colorectal Liver Metastases: A Prospective Study. International Journal of Surgery. 2025 Jul 9. doi: 10.1097/JS9.0000000000002922. (JCR Q1, IF: 10.10) (7) Ziwei Zhou#, Si Chen#, Jianli Zhao#, Xin Du, Haibin Yin, Chao Zhou, Hai Hu, Yunfang Yu*(共通), Yinghua Zhu*, Herui Yao*. EGFR TKIs Suppress MUC1 Glycosylation via PI3K/AKT/SP1/C1GALT1 pathway to Enhance TnMUC1 CAR-T Efficacy in EGFR-Mutant NSCLC. Cell Reports Medicine. 2025,2025,17:102199. (JCR Q1, IF: 10.60) (8) Xiatong Huang#, Wenjun Qiu#, Yuyun Kong#, Qiyun Ou, Qianqian Mao, Yiran Fang, Zhouyang Fan, Jiani Wu, Xiansheng Lu, Wenchao Gu, Peng Luo, Junfen Wang, Jianping Bin, Yulin Liao, Min Shi, Zuqiang Wu, Huiying Sun, Yunfang Yu*(共通), Wangjun Liao*, Dongqiang Zeng*. Artificial Intelligence-Based Multimodal Prediction of Postoperative Adjuvant Immunotherapy Benefit in Urothelial Carcinoma: Results From the Phase III, Multicenter, Randomized, IMvigor010 Trial. MedComm. 2025 Aug 25;6(9):e70324. (JCR Q1, IF: 10.70)  (9) Dongqiang Zeng#*, Yunfang Yu#(共一), Wenjun Qiu#, Qiyun Ou, Qianqian Mao, Luyang Jiang, Jianhua Wu, Jiani Wu, Huiyan Luo, Peng Luo, Wenchao Gu, Na Huang, Siting Zheng, Shaowei Li, Yonghong Lai, Xiatong Huang, Yiran Fang, Qiongzhi Zhao, Rui Zhou, Huiying Sun, Wei Zhang, Jianping Bin, Yulin Liao, Masami Yamamoto, Tetsuya Tsukamoto, Sachiyo Nomura, Min Shi, Wangjun Liao*. Immunotyping the Tumor Microenvironment Reveals Molecular Heterogeneity for Personalized Immunotherapy in Cancer. Advanced Science. 2025, 28:e2417593. (JCR Q1, IF: 14.30) (10) Yunfang Yu#, Ying Wang#, Luhui Mao#, Suiwen Ye#, Xiuping Lai, Junyi Chen, Yiwen Zhang, Jieqiong Liu, Junyan Wu*, Tao Qin*, Herui Yao*. Phase I Clinical Trial to Assess Safety and Efficacy of Oraxol, a Novel Oral Paclitaxel Chemotherapy Agent, in Patients With Previously Treated Metastatic Breast Cancer. MedComm, 2025, e70097. (JCR Q1, IF: 10.70) (11) Fei Liu#, Hongyu Zhou#, Kai Wang#, Yunfang Yu#(共一), Yuanxu Gao#, Zhuo Sun#, Sian Liu, Shanshan Sun, Zixing Zou, Zhuomin Li, Bingzhou Li, Hanpei Miao, Yang Liu, Taiwa Hou, Manson Fok, Nivritti Gajanan Patil, Kanmin Xue, Ting Li, Eric Oermann, Yun Yin, Lian Duan*, Jia Qu*, Xiaoying Huang*, Shengwei Jin*, Kang Zhang*. MetaGP: A generative foundation model integrating electronic health records and multimodal imaging for addressing unmet clinical needs. Cell Reports Medicine. 2025,1:102056. (JCR Q1, IF: 10.60) (12) Yunfang Yu#, Wei Ren#, Luhui Mao#, Wenhao Ouyang#, Qiugen Hu#, Qinyue Yao, Yujie Tan, Zifan He, Xiaohua Ban, Huijun Hu, Ruichong Lin, Zehua Wang, Yongjian Chen, Zhuo Wu, Kai Chen, Jie Ouyang, Tang Li, Zebang Zhang, Guoying Liu, Xiuxing Chen, Zhuo Li, Xiaohui Duan*, Jin Wang*, Herui Yao*. MRI-based multimodal AI model enables prediction of recurrence risk and adjuvant therapy in breast cancer. Pharmacological Research. 2025,7;216:107765.(JCR Q1, IF: 10.40) (13) Qiyun Ou#, Weibin Xie#, Yunfang Yu#, Bing Ou, Man Luo, Yongjian Chen, Weiwei Pan, Yiming Lai, Zhuohang Li, Jianqiu Kong, Zhuo Wu, Jingliang Ruan, Jingjing Han, Tianxin Lin*, Baoming Luo*. Contrast-Enhanced Ultrasound Enables Precision Diagnosis of Preoperative Muscle Invasion in Bladder Cancer: A Prospective Study. MedComm, 2025, e70106. (JCR Q1, IF: 10.70) (14)Zhenjun Huang#, Qing Peng#, Luhui Mao#, Wenhao Ouyang#, Yunjing Xiong, Yujie Tan, Haizhu Chen, Zebang Zhang, Tang Li, Wei Zhang, Ying Wang*, Yuanjia Hu*, Herui Yao*, Yunfang Yu*. Neoadjuvant Strategies for Triple Negative Breast Cancer: Current Evidence and Future Perspectives. MedComm Future Medicine, 2025,2.70013（封面文章）.  往期推荐 聚焦肿瘤大数据与人工智能前沿 生成式AI医学创新研究成果助力临床精准诊疗 MedComm-Future Medicine封面文章 | 皮肤-器官轴：皮肤与多器官的双向对话 MedComm | 新型口服紫杉醇化疗药物 Oraxol 在既往治疗过的转移性乳腺癌患者中的安全性和有效性的 I 期临床试验 庆祝澳门回归祖国25周年！多模态数据融合AI模型揭示肿瘤微环境免疫分型并增强乳腺癌的风险分层研究成果发布！