基于AI的CanAssist乳房第一免疫组织化学和预后测试的现实数据
Tejal Deepak Durgekar1, Manvi Sunder1, Badada Ananthamurthy Savitha1
1OncoStem Diagnostics Private Limited, 4, Raja Ram Mohan Roy Road, Aanand Towers, 2nd Floor, Bangalore, Karnataka, 560027, India.
Scientific reports
|August 19, 2025
概括
CanAssist Breast (CAB) 是一种人工智能驱动的早期乳腺癌预后测试. 它有效地将患者分为低风险或高风险组,用于远程复发,帮助治疗决策.
科学领域:
- 在瘤学瘤学.
- 生物标志物发现发现
- 人工智能在医学中的应用
背景情况:
- 激素受体阳性 (HR+),HER2/新阴性 (HER2-) 乳腺癌需要准确的预后工具.
- 现有的预后测试可能不具有成本效益或不适合所有人群.
- 该CanAssist乳房 (CAB) 测试是使用免疫组织化学和AI为印度患者开发的.
研究的目的:
- 评估CAB测试在预后中的实际实用性.
- 评估CAB在各种临床病理学参数和组织学亚型的表现.
- 确定CAB对早期乳腺癌患者治疗计划的影响.
主要方法:
- 分析了2016年中至2024年间诊断的5926名早期乳腺癌患者的现实数据.
- 使用CanAssist乳房 (CAB) 测试,该测试结合了五种蛋白质生物标志物和三个临床参数.
- 将患者分为远期复发的低风险 (LR) 和高风险 (HR) 的分层.
主要成果:
- 总的来说,72%的患者被归类为LR,28%的患者被归类为HR.
- 在组织学类型 (如粘膜类,乳头类,微乳头类) 中,CAB显示了HR比例的显著差异.
- 在中间的Ki67组中,CAB认定77%为LR,23%为HR.
结论:
- CanAssist Breast (CAB) 是一种基于人工智能的早期乳腺癌预后测试.
- CAB提供了跨不同患者亚组和组织学类型的宝贵预后信息.
- CAB是西方预后测试的经济有效替代品,影响治疗决策.
