编者按：新型HER2抗体偶联药物T-DXd扩充了以往仅针对HER2阳性患者的HER2靶向治疗方案，为HER2低表达患者带来新的曙光，也对病理医师提出了更高的HER2低表达精准诊断的需求。既往关于人工智能辅助HER2诊断的研究主要围绕HER2阴性和阳性的区分，河北医科大学第四医院病理科刘月平教授牵头开展的一项研究首次应用人工智能技术聚焦于解决HER2 0和HER2低表达精准区分的难题，并且探索其对异质性HER2低表达乳腺癌的诊断价值。

 

该研究成果于近期发表于美国和加拿大病理学会（USCAP）官方期刊《现代病理学》（Modern Pathology），河北医科大学第四医院病理科吴偲为第一作者（Si Wu，Meng Yue，Jun Zhang，Xiaoxian Li，Zaibo Li，Huina Zhang，Xinran Wang，Xiao Han，Lijing Cai，Jiuyan Shang，Zhanli Jia，Xiaoxiao Wang，Jinze Li，Yueping Liu.The Role of Artificial Intelligence in Accurate Interpretation of HER2 Immunohistochemical Scores 0 and 1+in Breast Cancer.Mod Pathol.2023 Jan.doi:10.1016/j.modpat.2022.100054.）

 

 

DESTINY-Breast04研究证实，相较于常规化疗方案，新型HER2抗体偶联药物T-DXd能够显著改善晚期HER2低表达（IHC 1+和IHC 2+且ISH-）乳腺癌患者的无进展生存期（PFS）和总生存期（OS）[1]；促使HER2的分类方式由二分类转化为三分类。如何准确诊断HER2低表达乳腺癌是应用此类新型疗法的重要前提。

 

然而，由于观察者内或观察者间的差异，准确评估HER2低表达的免疫组化（IHC）染色仍存在较大挑战。既往研究提示，在当地实验室评估的HER2 0乳腺癌中，有高达85%经中心实验室重新评估为HER2 1+或HER2 2+[2]；而且相较于区分HER2 2+和HER2 3+，区分HER2 0和HER2 1+更具有挑战性[3]，HER2 0和HER2 1+的准确区分关系到HER2低表达的判断。

 

乳腺癌的HER2表达存在瘤内异质性，尤其是HER2低表达肿瘤的异质性更高^[4]，可能影响HER2诊断的一致性。因此，亟需开发一种有效的方法来提高HER2低表达乳腺癌的诊断效能。

 

人工智能（Artificial Intelligence，AI）以其在图像分析和定量评估方面的优势在免疫组化辅助诊断方面表现优异。既往研究已经证实了AI技术能够提高乳腺癌HER2判读的准确性和可重复性，然而关注点在于HER2阴性与阳性的区分[5-6]，很少有研究分析AI技术对HER2低表达精准诊断的作用^[7]。河北医科大学第四医院刘月平教授团队开展的这项研究，则首次将AI聚焦于HER2低表达下限，即HER2 0和HER2 1+精准区分上，并评估AI在不同异质性HER2低表达乳腺癌诊断中的价值。

 

 

参加读片的病理医师来自3家医院，包括初级（1-2年工作经验）、中级（3-5年工作经验）、高级（6-10年工作经验）病理医生各5名；回顾性收集246例浸润性导管癌HER2 IHC切片用于诊断研究。本研究中的AI算法是基于膜描绘和细胞分类构建，通过对肿瘤细胞进行分类，量化各种膜染色强度的肿瘤细胞比例，得出AI结果。

 

研究分为两轮读片。第一轮（RS1）由15名病理医生对所有切片进行人工读片。经过2周的遗忘期后进入第二轮（RS2）读片：首先由病理医生在显微镜40倍下，对每个切片分别选择5个具有代表性的视野，再由AI判读这5个视野并给出综合评分（RS2-AI）作为病理医生的参考，最终病理医生参考AI结果后对切片进行实时审核（Pathologist Review），得出RS2的最终诊断结果。

 

使用误差矩阵（Confusion Matrix）、准确性（Accuracy）、精准性（Precision）、召回率（Recall）、F1分数（F1-Score，精确性和查全率的调和平均数）和Cohen’s Kappa系数来评价诊断性能；使用组内相关系数（ICC）评价一致性；使用Kruskal-Wallis和Wilcoxon rank-sum检验来分析不同方法诊断准确性的差异。

 

 

 

如下图所示，相较于RS1，RS2与金标准的一致性更好。尤其是在RS2中，HER2 1+误诊为HER2 0的病例相较于RS1显著减少。

 

图1.两轮读片中HER2 0和HER2 1+诊断结果与金标准的一致性。Gold Standard为金标准；白色为HER2 0，黑色为HER2 1+

 

 

如图2所示，RS1中病理医师判读的准确性为0.8，而RS2-AI以及RS2-pathologist review的准确性均提高至0.93。在AI辅助诊断下，对HER2 0和HER2 1+病例判读的F1分数、精准度和召回率均有所提高，尤其是对HER2 0的判读精准度和HER2 1+的判读召回率提升明显。

 

图2.两轮读片的诊断准确性、F1分数、精准度和召回率

 

根据HER2 IHC着色情况，将HER2瘤内异质性分为聚类型（Clustered Type）、分散型（Scattered Type）和混合型（Mixed Type）。28%的HER2超低表达以及86%的HER2 1+病例存在瘤内异质性（图3A）。RS1中，对异质性肿瘤的准确性仅为0.68，而AI辅助下对异质性肿瘤的诊断准确性提高至0.89（图3B）。

 

在存在瘤内异质性的HER2超低表达肿瘤中，以分散型、聚类型更常见；在存在瘤内异质性的HER2 1+肿瘤中，则以混合型、聚类型更常见（图3C）。AI对不同异质性类型的判读准确性均有不同程度的提高，特别是对分散型（图3D）。

 

图3.两轮读片的异质性分析：（A）HER2 0（no staining）、HER2超低表达、HER2 1+病例的异质性分布；（B）两轮读片对同质性和异质性病例的诊断准确性；（C）HER2超低表达、HER2 1+病例中的3种异质性类型分布；（D）两轮读片对3种异质性类型肿瘤的诊断准确性

 

 

在RS1中，病理医生诊断的一致性较差（ICC=0.542，95%CI：0.496~0.592）；而在AI辅助下，病理医生诊断的一致性有明显改善（ICC=0.812，95%CI：0.783~0.840）。

 

进一步分析两轮读片中，病理医生对HER2 0和HER2 1+病理诊断的一致性。在RS1中，病理医师仅对38.5%的HER2 0病例和22.2%的HER2 1+病例达成共识；而在RS2中，则分别对63.2%和58.9%的HER2 0和HER2 1+病例达成共识。可见AI辅助可提高病理医生之间对诊断HER2 0和HER2 1+的一致性。

 

不同经验病理医生之间HER2判读的结果评估

 

在AI辅助下，各级病理医生诊断的准确性和一致性均有改善，对初级病理医师的准确性和一致性改善幅度最大。

 

所有病理医生对AI的平均接受度为0.95，表明病理医生对AI诊断结果的认可度很好。

 

图4.不同经验病理医生两轮读片诊断的准确性、一致性和接受度

 

 

随着新型HER2靶向的HER2抗体偶联物T-DXd在晚期HER2低表达乳腺癌中展现出良好的临床获益，精准诊断HER2低表达患者是病理医师需要解决的难题。本研究中，我们回顾性收集246例病例进行了两轮判读研究，旨在探索AI在准确区分乳腺癌HER2 0和1+中的作用。我们的结果表明AI辅助判读可以显著提高HER2 0和1+判读的准确性和一致性，包括具有异质性的乳腺癌。这是为数不多提供直接证据表明AI可以辅助病理医师更好诊断HER2 0和低表达乳腺癌的研究。

 

HER2 IHC染色评分存在主观性以及观察者间和观察者内的差异性，从而影响HER2诊断的准确性和一致性，尤其在HER2表达水平较低的情况下。Fernandez等人报道的研究显示，鉴别HER2 0和1+的难度更大，其一致性显著低于判读HER2 2+和3+的一致性（26%vs 58%）[3]。尽管已经有一些AI模型用于HER2诊断，但本研究是少数聚焦于HER2 0和1+精准判读的研究之一，结果显示：AI辅助可以提高病理医生对HER2 0诊断的精准性和HER2 1+的召回率，表明AI能够帮助病理医生更精准识别HER2 0肿瘤，并减少对HER2 1+病例的误判，从而有助于识别出更多可以从T-DXd治疗中获益的患者。

 

本研究中，不同经验水平的病理医生均可受益于AI辅助诊断，初级病理医生的诊断准确性改善是最明显的，而中级病理医生在AI辅助下获得了最好的准确性，出现该结果可能由于初级医生缺乏经验，而高级病理医生对其诊断经验更有信心。

 

此外，既往报道HER2低表达肿瘤中存在较强的瘤内异质性[4]，本研究中病理医师在视觉评估时对存在异质性病例的判读准确性也较差，但引入AI后可以提高对异质性肿瘤的诊断效能，包括聚类型、分散型、混合型肿瘤，其判读准确性达到了与判读同质性肿瘤准确性相当的水平。评估HER2低表达乳腺癌的瘤内异质性有重要意义，因为T-DXd的旁观者效应在HER2低表达肿瘤中可能不足以覆盖具有HER2异质性的肿瘤，尤其是聚类型和分散型异质性肿瘤[8]。未来或可将HER2表达作为连续变量，并提高对肿瘤染色百分比判断的准确性，AI技术的引入可以提供更好的定量评估。

 

参考文献

 

[1]Modi S，Jacot W，Yamashita T，et al.Trastuzumab Deruxtecan in Previously Treated HER2-Low Advanced Breast Cancer.N Engl J Med.2022;387(1):9-20.

 

[2]Lambein K，Van Bockstal M，Vandemaele L，et al.Distinguishing score 0 from score 1+in Her2 immunohistochemistry-negative breast cancer:clinical and pathobiological relevance.Am J Clin Pathol.2013;140(4):561-566.

 

[3]Ai Fernandez，Liu M，Bellizzi A，et al.Examination of low Erbb2 protein expression in breast cancer tissue.JAMA Oncol.2022;8(4):1-4.

 

[4]Seol H，Lee HJ，Choi Y，et al.Intratumoral heterogeneity of Her2 gene amplification in breast cancer:its clinicopathological significance.Mod Pathol.2012;25(7):938-948.

 

[5]Zakrzewski F，De Back W，Weigert M，et al.Automated detection of the HER2 gene amplification status in fluorescence in situ hybridization images for the diagnostics of cancer tissues.Sci Rep.2019;9(1):1-12.

 

[6]Koopman T，Buikema Hj，Hollema H，De Bock Gh，Van Der Vegt B.What Is The Added Value Of Digital Image Analysis Of Her2 Immunohistochemistry In Breast Cancer In Clinical Practice?A Study With Multiple Platforms.Histopathology.2019;74(6):917-924.

 

[7]Palm C，Connolly CE，Masser R，et al.Determining HER2 Status by Artificial Intelligence:An Investigation of Primary，Metastatic，and HER2 Low Breast Tumors.Diagnostics(Basel).2023;13(1):168.

 

[8]Tarantino P，Hamilton E，Tolaney SM，et al.Her2-low breast cancer:pathological and clinical landscape.J Clin Oncol.2020;38(17):1951-1962.