人工智能用于乳腺癌的辅助HER2免疫组织化学评估:系统性审查和元分析

科学领域:

• 计算病理学计算病理学
• 在瘤学瘤学.
• 生物标志物的分析分析.

背景情况:

• 准确的HER2表达评估对于乳腺癌中的HER2向疗法至关重要.
• 病理学家对HER2状态的解释可能是主观的,与自动评估不同.
• 人工智能 (AI) 在HER2诊断中提供了提高准确性和可重现性的潜力.

研究的目的:

• 系统地评估现有的AI算法用于HER2免疫组织化学诊断.
• 为开发更具适应性的人工智能算法提供洞察力,用于不断发展的HER2评估实践.

主要方法:

• 在PubMed,Embase,Cochrane和Web of Science数据库中进行了全面的文献搜索.
• 根据预先定义的标准,选出了7项涉及6867项HER2识别任务的研究.
• 分析了包括HER2-CONNECT,CNN,后勤回归和HER2 4B5在内的各种AI算法.

主要成果:

• 人工智能在区分HER2 3+ (0.99和0.99) 和HER2 0/1+ (0.98和0.92) 方面表现出高灵敏度和特异性.
• 人工智能显示了0.78的灵敏度和0.98的特异性,用于区分HER2 2+.
• 性能存在差异,特别是在区分HER2 0和1+方面,这一领域需要进一步开发AI.

结论:

• 人工智能算法显示出对自动化HER2免疫组织化学评估具有高准确性的显著前景.
• 在标准化人工智能应用,工作流集成和道德考虑方面仍然存在挑战.
• 人工智能将成为临床HER2评估中病理学家的宝贵工具.