通过人工智能对人类表皮生长因子受体2表达在癌症乳腺组织中的分类
Leidy Verónica Villota1, Jessica Julieth Lasso1, Elvia Noelia Muñoz2
1Grupo de Investigación en Sistemas Dinámicos, Instrumentación y Control, Universidad del Cauca, Popayán, Colombia.
Biomedica : revista del Instituto Nacional de Salud
|December 18, 2025
概括
人工智能准确地对乳腺癌组织中人类表皮生长因子受体2 (HER2) 过度表达进行分类,提高了诊断一致性. 这种自动化技术有望减少HER2测试中的变异性.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 生物医学工程 生物医学工程
背景情况:
- 精确的人类表皮生长因子受体2 (HER2) 评估对于乳腺癌诊断,预后和向治疗选择至关重要.
- HER2过度表达意味着一种侵略性的乳腺癌亚型,但可通过特定疗法向,改善患者的治疗结果.
- 目前的HER2评估方法面临挑战,包括样本质量问题和解释变异性,特别是在10%表达值附近.
研究的目的:
- 引入一种自动化的人工智能 (AI) 技术,用于在组织学乳腺癌幻灯片中对HER2过度表达细胞进行分类.
- 评估人工智能驱动的HER2分类工具的准确性和临床可用性.
主要方法:
- 跨行业数据挖掘标准流程 (CRISP-DM) 方法指导了这项研究.
- 使用深度学习模型,包括神经网络和视觉转换器 (ViT-B/16) 与转移学习.
- 该研究分析了来自89名患者的组织样本,涵盖了所有四个HER2表达水平,随后进行了可用性评估.
主要成果:
- 对于HER2过度表达,ViT-B/16模型实现了90.65%的高分类准确度.
- 开发的AI工具在临床应用可用性评估中显示了可接受的满意度.
结论:
- 在乳腺癌中基于人工智能的HER2分类具有很高的准确性和一致性,可能会降低诊断变异性.
- 这种自动化技术提高了HER2评估中的客观性.
- 为了获得广泛的临床采用,需要进一步优化处理效率.
