AI辅助乳腺癌HER2免疫组化判读的系统回顾与整合分析

乳腺癌是女性群体中发病率最高的恶性肿瘤，预计至2040年，其每年将造成约百万患者死亡[1]。在全部病例中，约15%至20%的患者存在人表皮生长因子受体2（HER2）的过度表达，这一特征与不良的临床结局显著相关[2]。HER2是一种位于细胞膜上的酪氨酸激酶受体，其过量表达会驱动肿瘤细胞的增殖与恶化进程。当前，HER2的表达水平主要依赖病理医师对免疫组化（IHC）切片进行半定量评估，结果分为阴性（0和1+）、可疑（2+）及阳性（3+）几类。对于可疑病例，通常需要借助原位杂交（ISH）检测来最终判定是否存在基因扩增。

随着DESTINY-Breast04（DB-04）临床研究首次揭示，新型抗体药物偶联物（ADC）德曲妥珠单抗（T-DXd）能为HER2低表达患者带来生存益处，这一里程碑式的发现使得精准区分HER2低表达与完全阴性变得至关重要，直接影响临床治疗策略的制定[3]。然而，传统的IHC视觉判读方法存在主观差异大、效率低下以及不同观察者之间判断一致性不高等固有局限。

在此情形下，以深度学习（DL）为代表的人工智能（AI）技术，凭借其卓越的图像处理与分析能力，展现出提升HER2评分准确性及一致性的巨大潜力。2025年3月，发表于Npj Digital Medicine期刊的一项题为《Systematic review and meta-analysis of artificial intelligence in classifying HER2 status in breast cancer immunohistochemistry》的研究，通过系统回顾与荟萃分析，全面评估了AI在乳腺癌HER2 IHC评分中的表现，特别是在筛选符合T-DXd治疗条件的患者方面的准确度与可靠性[4]。此项研究不仅有望促进AI技术在临床病理领域的落地应用，也可能为乳腺癌的精细化诊疗开辟新的路径。

研究方法

本研究系统检索了MEDLINE、EMBASE、Scopus以及Web of Science等数据库，收集了自建库起至2024年5月3日期间发表的相关文献。最终共纳入13项研究，涉及25个列联表，覆盖1285例病例、168张数字化全切片图像（WSI）以及24,626个图像区块（patch）。

纳入标准包括：研究对象为原发性或转移性乳腺癌组织（以数字化WSI形式呈现），患者为任意年龄的女性，不论肿瘤分期、组织学亚型及激素受体状态，采用传统的3,3'-二氨基联苯胺（DAB）染色法，以AI作为评估工具，以病理医师的视觉评分为金标准，并能提供构建2×2列联表所需的足够性能数据。排除标准则涵盖：合并报告0/1+评分、仅提供百分比数据、使用动物组织进行研究等情形。

统计分析方面，采用双变量随机效应模型计算汇总的敏感性、特异性及曲线下面积（AUC），并通过I²统计量评估研究间的异质性。后续通过亚组分析与meta回归探讨异质性的潜在