全自动化的人类表皮生长因子受体2的人工智能解决方案 乳腺癌中的免疫组织化学评分:一项多读者研究

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:

• 精确的人类表皮生长因子受体2 (HER2) 免疫组织化学 (IHC) 评分对于乳腺癌中有效的HER2向治疗至关重要.
• 低HER2乳腺癌受益于抗体-药物联合疗法,突出需要精确的HER2 IHC解释.
• 目前的HER2 IHC评分方法在可复制性和准确性方面面临挑战.

研究的目的:

• 为了验证完全自动化的人工智能 (AI) 解决方案的性能和实用性,用于乳腺癌中HER2 IHC解释.
• 评估AI解决方案的准确性和对病理学家在HER2评分中的表现的影响.
• 评估人工智能工具在区分HER2表达水平方面的有效性,特别是在HER2低的病例中.

主要方法:

• 一项多读者研究涉及120个来自四个机构的HER2 IHC全幻灯片图像.
• 四名外科病理学家通过AI HER2 溶液的帮助和不帮助得分HER2 IHC图像.
• 评分结果与根据ASCO/CAP指南 (2018/2023) 的专家分专家协议建立的高可信度地面真相进行了比较.

主要成果:

• 人工智能解决方案达到了92.1%的一致性,与HER2评分的高可信度地面真相达成一致.
• 人工智能辅助审查改善了病理学家之间的观察者间一致性,从75.0%提高到83.7%,准确性从85.3%提高到88.0%.
• 为了区分HER2 0和1+病例,AI显著提高了观察者之间的一致性 (69.8%至87.4%) 和准确性 (81.9%至88.8%).

结论:

• 一个完全自动化的AI解决方案有效地准确HER2 IHC评分,与ASCO/CAP指南保持一致.
• 人工智能支持提高了病理学家在HER2 IHC评分中的一致性和准确性,特别是在HER2 0对1+等具有挑战性的病例中.
• 人工智能工具作为一种有价值的决策支持系统,可以提高HER2评分的可重现性,并识别针对性治疗的低HER2乳腺癌.