为了在临床验证乳腺癌HER2 IHC精确评分全自动人工智能解决方案,Savitri Krishnamurthy等开发了一个基于人工智能完全自动化的HER2评分软件,在经过超77万张图像样本的训练后进行三个步骤:(1)在HER2载玻片中运行AI模型检测浸润性癌区域;(2)然后使用另一个AI模型识别单个肿瘤细胞并对其染色模式进行分类;(3)最后,根据ASCO/CAP 2018指南进行细胞计数并确定HER2评分。在HER2染色的免疫组化切片中检测浸润性肿瘤区域(AUC=0.967)和确定单个细胞的类型和染色模式方面表现出非常高的效能——例如,肿瘤细胞vs非肿瘤细胞(AUC=0.931)和阴性肿瘤细胞vs阳性肿瘤细胞(AUC=0.936),可以准确的对乳腺癌IHC HER2进行评分(Abstract 172#)。人工智能解决方案可以作为病理学家在常规临床实践中的决策支持工具,提高HER2评分的可重复性和一致性。
对病理学家来说区分HER2 0和1+是一项非常具有挑战性的工作,一项对病理学家HER2低表达诊断的一致性及AI算法在判定HER2低表达状态中的应用的研究从表达低水平HER2的原发性乳腺癌中选取200张经IHC HER2集中染色切片并将切片数字化,然后观察者进行判读,同样的200张切片由12名乳腺病理学专家进行分析,然后使用4种为HER2评分设计的AI工具进行检测。以病理专家为参照,观察者间的平均一致性为68%(57 ~ 87%),其中10.6%(21例)的病例(n=21)病理专家间的一致性为100%(Abstract 235#)。在常规实践中使用这些AI工具需要进行前瞻性验证,还需要与目前病理实验室配置的图像管理系统实现完美的配合和具有可操作性。
#人工智能# #肿瘤# $人工智能ETF(SH515980)$ $人工智能LOF(SZ161631)$ $人工智能(CSI931071)$