在一个多实验室研究中,人工智能辅助的HER2解释乳腺癌

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:

• 在实验室之间改善人类表皮生长因子受体2 (HER2) 检查的一致性是一个持续的挑战.
• 在指导乳腺癌治疗决策时,HER2测试至关重要.

研究的目的:

• 在多实验室环境中,评估HER2免疫组织化学 (IHC) 检查的一致性,使用手动和人工智能 (AI) 辅助解释.
• 确定导致HER2评分差异的因素.

主要方法:

• 53个乳腺癌样本的组织微阵列 (TMA) 被分发给35个实验室进行手动HER2 IHC评分.
• 使用人工智能辅助显微镜重新评估了手工解释不一致的情况.

主要成果:

• 只有26.4%的病例在所有实验室中显示一致的手动HER2 IHC结果,HER2 1+评分存在重大问题.
• 人工智能辅助翻译在35.9%的先前不一致的案例中解决了完全一致的协议.
• 与0部分相比,手动评分的1+部分的差异明显更频繁.

结论:

• 在HER2 1+乳腺癌中染色的弱度有助于糟糕的手册解释协议.
• 人工智能辅助的HER2解释提供了一个强大的解决方案,以减轻主观错误并提高多实验室研究一致性.