人工智能辅助乳腺癌人表皮生长因子受体2（HER2）评分：诊断一致性及分歧理解

目的：随着曲妥珠单抗德鲁替康在HER2低表达和超低表达乳腺癌中显示出临床获益，在HER2免疫组织化学（IHC）谱的最低端进行精确区分变得至关重要。在这项为期1年的回顾性研究中，我们评估了一个市售的、体外诊断（CE-IVD）批准的人工智能（AI）系统是否能够提高来自单中心的全部乳腺癌的HER2 IHC评分的一致性。材料与方法：共分析了来自581例患者的853张HER2 IHC全切片图像，由三位病理专家和一位非专家阅片者根据美国临床肿瘤学会/美国病理学家学会（ASCO/CAP）指南，在有无AI辅助下独立评分。AI提供分类学HER2评分（0–3+）和定量细胞水平染色指标。使用总体一致性百分比（OPA）、Conger's kappa和成对Cohen's kappa评估观察者间一致性。使用逻辑回归模型研究病理学家与AI系统之间差异的相关因素。结果：在AI辅助之前，人类阅片者之间的总体多阅片者一致性为中等（OPA = 79.8%，95% CI 77.9–81.7；Conger's κ = 0.72，95% CI 0.69–0.74），在AI辅助后增加到接近完美水平（OPA = 88.6%，95% CI 86.9–90.1；κ = 0.84，95% CI 0.82–0.86）。大多数分歧集中在ASCO/CAP 10%截止值附近，主要由2+病例的低估驱动。分歧还与较低肿瘤细胞计数、活检样本和异质性染色模式相关。在AI分类为HER2-0的肿瘤中，没有任何可检测阳性染色的真正HER2-零病例很少，支持HER2表达的生物学连续性。结论：AI辅助的HER2 IHC评分显著提高观察者间一致性，并提供定量支持，有助于解决传统分类HER2评估的关键局限性。