人工智能可以帮助病理学家更准确地识别HER2低表达和超低表达乳腺癌，根据计划在ASCO年会上展示的研究结果。
在一项涉及100多名病理学家的研究中，使用人工智能将HER2低表达和超低表达病例的误分类减少了24.4%。
“这些发现突显了人工智能系统在生物标志物解释培训中的价值，为病理学家提供了细胞层面的增强决策工具，并提高了HER2免疫组化解释的诊断精度，”首席作者、圣保罗A.C. Camargo癌症中心的副教授Marina De Brot博士在新闻发布会上表示。
HER2误分类
历史上，许多乳腺癌被错误地分类为HER2阴性，而实际上应归类为HER2低表达（至少55%）或HER2超低表达（10%），根据ASCO新闻稿的背景资料。
“在过去几年中，随着新的HER2导向抗体-药物偶联物疗法的引入，检测不仅经典HER2阳性乳腺癌，还包括那些HER2低表达水平的乳腺癌变得重要起来，”De Brot说。
低HER2表达的乳腺癌通过免疫组化或原位杂交技术难以识别。大约三分之一的HER2超低表达乳腺癌最初会被识别为HER2阴性。
De Brot及其同事调查了人工智能是否能帮助提高准确性，他们在亚洲和南美洲的10个国家进行了对105名病理学家的研究。
病理学家在大师班课程中评估了20例乳腺癌病例。他们手动评分了考试A中的五个病例和考试B中的七个病例，中间有HER2评分的讲座。在讨论完考试A和B后，病理学家在考试C中使用ComPath Academy AI支持的培训路径评分了八个病例。
总共，病理学家进行了1,940次读片。研究人员将这些读片结果与来自中央参考中心的金标准免疫组化评分进行了比较。
HER2状态的准确性是主要终点。
“非常有帮助”
人工智能帮助病理学家将参考评分的准确性从89.1%提高到96.1%，与同事的一致性从0.506提高到0.798。在HER2临床类别中，人工智能帮助病理学家将准确性从90.1%提高到95%，与同行的一致性从0.494提高到0.732。
人工智能辅助提高了HER2阴性敏感性的准确性，从54.08%提高到88.24%，HER2超低表达从50.74%提高到93.22%，HER2低表达从78.64%提高到90.35%。
使用人工智能减少了HER2阴性的误判，从45.9%减少到11.7%，HER2超低表达的低估从30.5%减少到4.5%。
De Brot及其同事计划将HER2大师班扩展到其他病理学家和国家，并建立一个全球数据库以识别评分差距并指导AI培训。此外，研究人员计划进行多中心实施研究，在常规诊断中使用AI来衡量其临床影响。他们可以研究AI如何改变治疗选择以及HER2低表达和超低表达疾病患者的治疗时间。
在新闻发布会上，ASCO主席Robin T. Zon博士将该AI工具描述为“非常有帮助”，并指出它将“改变我们对患者的护理方式”。
“准确的HER2评分对于确保患者获得最佳的乳腺癌治疗非常重要，”加州大学旧金山分校放射肿瘤学信息学医学主任Julian Hong博士在新闻稿中说。“这项国际研究表明，人工智能辅助方法改善了HER2评分，包括影响治疗决策的情况。这些发现揭示了人工智能在肿瘤学中的前景，不是取代医生，而是作为强大的工具帮助我们更智能、更快地工作，提供高质量、更个性化的护理。”
(全文结束)
