精确HER2:一个全面的AI系统,用于在侵袭性乳腺癌中准确和一致地评估HER2表达

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 生物技术是生物技术.

背景情况:

• 准确的HER2表达解释对于乳腺癌的抗HER2向疗法至关重要.
• 人类对HER2染色的解释在观察者内部和观察者之间表现出显著的变化.
• 人工智能系统在临床上需要提高HER2评分精度.

研究的目的:

• 开发和验证一个高精度的人工智能系统,用于在侵袭性乳腺癌中自动化HER2表达得分.
• 提高HER2解释的准确性和一致性,特别是通过减少HER2 1+病例的错误分类.
• 帮助识别和过在HER2染色的幻灯片中的管道癌 in situ (DCIS) 组件.

主要方法:

• 采集了乳腺癌组织样本,并进行了卡尔波宁和HER2的免疫组织化学染色.
• 在HER2染色幻灯片的注释数字图像上训练有素的AI模型.
• 使用卡尔波宁染色和图像重叠技术来识别和排除HER2评估中的DCIS组件.
• 进行了两阶段验证研究,涉及病理学家解释全幻灯片图像,并没有人工智能协助.

主要成果:

• 人工智能系统显著提高了HER2表达读数的准确性 (0.902比0.710).
• 对HER2 1+患者误诊为HER2 0的错误诊断大幅减少 (32/279与65/279相比),使得可以获得ADC药物.
• 人工智能算法增强了不同经验水平的病理学家之间的HER2读数的群内一致性 (ICC:0.872-0.926对比0.818-0.908).

结论:

• 开发了一种高精度的人工智能系统,用于在侵袭性乳腺癌中自动评估HER2表达.
• 人工智能系统有效地识别和过DCIS组件,这对于准确的HER2评分至关重要.
• 人工智能工具提高了诊断准确性和一致性,支持乳腺癌患者更好的临床治疗决策.