对人工智能进行系统审查和元分析,以对乳腺癌免疫组织化学中的HER2状态进行分类

科学领域:

• 在瘤学瘤学.
• 医学诊断 医学诊断 医学诊断
• 计算病理学计算病理学

背景情况:

• 特拉斯图苏巴-德鲁克斯坦 (T-DXd) 对转移性乳腺癌患者具有低人体表皮生长因子受体2 (HER2) 表达的生存益处.
• 准确的HER2评分对于T-DXd资格至关重要,但视觉免疫组织化学 (IHC) 评分有局限性.
• 人工智能 (AI) 为提高HER2评分准确性和一致性提供了一个潜在的解决方案.

研究的目的:

• 评估AI算法的诊断性能,以分类HER2 IHC分数.
• 评估AI在识别符合T-DXd治疗条件的患者的准确性.
• 在HER2评分中确定影响AI性能的因素.

主要方法:

• 对评估AI用于HER2 IHC评分的研究进行了诊断元分析.
• 计算了人工智能性能指标,包括聚合的灵敏度和特异性.
• 超回归分析探索了影响AI性能的因素,例如算法类型和验证方法.

主要成果:

• 人工智能在分类HER2 IHC评分方面表现出高准确性,其聚合灵敏度为0.97和特异性为0.82.
• 深度学习和基于补丁的AI方法显示出卓越的性能.
• 人工智能在区分HER2 2+和3+分数方面表现出色,这对于T-DXd资格至关重要.

结论:

• 人工智能在准确识别低HER2乳腺癌患者方面显示出显著的前景.
• 人工智能可以提高HER2评分的效率和可靠性,支持T-DXd治疗选择.
• 对外部验证和商业上可用的AI算法进行进一步研究是有必要的.