根据2025年12月9-12日举行的圣安东尼奥乳腺癌研讨会(SABCS)上公布的研究结果，通过整合临床、分子和组织病理学数据创建的人工智能(AI)模型显著改善了激素受体(HR)阳性、HER2阴性乳腺癌的复发风险分层。西奈山蒂什癌症中心血液肿瘤科主任约瑟夫·A·斯帕拉诺医学博士解释说，HR阳性、HER2阴性乳腺癌是最常见的乳腺癌亚型，该亚型中至少50%的复发发生在诊断五年之后。
斯帕拉诺指出，目前临床广泛使用的Oncotype DX (ODX) 21基因复发评分是一种单模态分子检测，可提供远处复发的预后信息和化疗获益的预测信息，但其预测五年后复发的能力有限。
AI模型的开发与验证
"我们的目标是通过研究TAILORx试验中的肿瘤标本，开发一种新的诊断测试，以提供更好的复发风险预后评估，包括晚期复发风险，"斯帕拉诺说。
"我们开发了一种AI模型，该模型同时评估用于常规病理评估的数字化切片图像，以及乳腺癌的分子和临床特征，以提供长达15年的癌症复发风险的更好预后信息，包括诊断后五年内的早期复发和五年后的晚期复发，"他继续说道。
这涉及开发一种新的分子检测，该检测包含从五种商业可用的基因检测（包括ODX）衍生的扩展基因组合。
研究团队使用了来自4,462个肿瘤样本的数字化组织图像和分子RNA表达数据，以及TAILORx研究参与者的相应临床数据。这些数据用于训练和验证多个风险模型。
这些模型的预后性能与试验中用于指导化疗使用的ODX结果进行了比较，并使用一致性指数(C-index)进行评估。C-index是一种统计测试，用于衡量诊断测试正确排序复发风险的能力。C-index为0.5表示测试效果不比随机好，而C-index为1表示完美的预后预测。
ICM+的性能与意义
ICM+是一种多模态模型，整合了病理组学成像(I)、临床(C)和扩展分子(M+)模型，在包含2,806名患者的训练/五折交叉验证集中，对于15年总体远处复发(C-index 0.705对比0.617)和五年后晚期复发(C-index 0.656对比0.518)，其表现显著优于ODX。
在包含1,621名患者的保留验证集中，ICM+在总体复发(C-index 0.733对比0.631)和晚期远处复发(C-index 0.705对比0.527)方面也表现出与ODX相比类似的优越预后性能。
斯帕拉诺解释说，这项研究的发现最终将使一种新的诊断测试成为可能，该测试能更可靠地估计美国约一半乳腺癌病例的HR阳性、HER2阴性、淋巴结阴性乳腺癌女性患者的复发风险。
斯帕拉诺说："这项研究表明，如何利用AI开发更好的诊断测试的潜力，这些测试可能更准确地估计复发风险并实现治疗决策的个体化。"
他指出，目前可用的分子检测，无论是在中心参考实验室还是CLIA认证的本地实验室进行，都需要复杂的仪器和技术专长。
"基于AI的病理组学工具依赖于临床实践中常规生成的组织样本切片评估，这些切片可以用扫描仪甚至广泛可用的智能手机捕获，电子上传，并以最低成本进行集中分析，"他补充道。
斯帕拉诺表示，该研究的一个局限性是，它并非旨在开发可预测化疗获益或五年后继续辅助内分泌治疗获益的测试。
美国癌症研究协会提供
【全文结束】
