ASCO 2025 热点前瞻丨AI辅助软件在HER2低表达和HER2超低表达乳腺癌病理诊断中的应用

在乳腺癌病例中，至少55%为HER2低表达，另有10%为HER2超低表达。近年来，随着针对HER2的抗体药物偶联物（ADC）疗法的引入，对经典HER2阳性乳腺癌以及HER2低表达肿瘤的检测变得至关重要。然而，HER2低表达水平的检测存在一定难度，病理学家在约三分之一的病例中存在分歧，许多HER2低表达和HER2超低表达肿瘤被误判为HER2阴性，这使得患者可能错失能延长生存期的治疗机会。基于此，本研究旨在测试在病理学家培训期间使用的AI工具能否提高对难以诊断切片的诊断准确性。

本研究采用一个名为ComPathAcademy的AI辅助数字培训平台，助力病理学家对乳腺癌样本进行HER2评分。研究涵盖来自亚洲和南美洲10个国家的105名病理学家，他们需对20例数字乳腺癌病例进行HER2评估，评估过程包括在AI辅助下以及未使用AI辅助两种情况进行。

在5次会诊期间，病理学家共完成1940次阅片，这些阅片于3次独立检查中完成，其中仅第三次检查提供AI辅助。随后，将病理学家的阅片结果与来自中央参考中心的金标准免疫组化（IHC）评分进行对比。金标准评分由多位独立审查和评分HER2IHC染色组织样本的专家病理学家达成共识确立，是确定HER2乳腺癌状态的黄金标准参考。

研究发现，AI辅助可显著提升评分效果：敏感性从约76%提高至90%，病理学家与中央参考评分的一致性提高约13%，AI辅助下平均一致性达89.6%，无AI辅助时为76.3%；病理学家对病例分类的准确性从无AI辅助的66.7%提升至88.5%，正确识别HER2阳性、HER2低表达、HER2超低表达或HER2阴性病例的准确性提高近22%。此外，AI辅助还将HER2超低表达病例被误分类为HER2阴性的比例降低超25%，无AI辅助时该比例为29.5%，而使用AI辅助后仅4%。

在HER2评估过程中运用AI工具，能够提高病理学家识别HER2低表达和HER2超低表达癌乳腺的准确性，降低将这些肿瘤误判为HER2阴性的比率，对优化乳腺癌病理诊断及后续治疗决策具有重要意义。