AI及分子病理技术在乳腺穿刺活检中的应用——2024 年USCAP乳腺肿瘤穿刺活检进展（一）

由于针对HER2低表达（HER2评分1+或HER2评分2+/ISH-）乳腺癌（BC）靶向药物的批准，准确区分HER2低表达与HER2阴性（HER2-neg；HER2-评分0）肿瘤对于BC患者的治疗至关重要。HER2表达在乳腺肿瘤中常呈异质性分布。因此，诊断用的粗针穿刺活检标本（Bx）只能代表小块肿瘤面积。到目前为止，尚不清楚需要多少Bx才能准确反映肿瘤的HER2评分，并可靠地防止将HER2低表达患者误诊为HER2阴性患者。

该研究使用了一种基于人工智能（AI）的工具，在病理学家先前评分的BC切除标本的全玻片图像（WSI）上，在单细胞水平上量化HER2 IHC的表达（基准真实值，GT）。该数据集包含119例 WSI，其中有64例、30例、15例和10例GT HER2评分分别为0、1+、2+和3+（在VENTANA Benchmark Ultra平台上用VENTANA HER2mAb克隆号4B5染色）。用AI工具通过随机和顺序放置在WSI上的具有代表性Bx大小的区域中的HER2得分来计算模拟Bxs（图1）。每一个虚拟活检（VBx）必须包含至少70%的组织和5%的肿瘤。对于每个WSI，模拟1000个系列，每个系列10个VBx。在每个VBx之后，通过聚集该系列该点的VBx中的所有细胞来确定该系列的HER2得分。

在WSI上，AI分数与GT的所有一致性为82%，在0/1+范围内为83%。在所有HER2评分类别中，一次VBx和三次VBx后，VBx HER2评分与AI-WSI评分的一致性分别为86%和94%。在一次VBx后，GT HER2评分为0、2+和3+的病例被正确分类为0、2+、3+的准确率分别为97%、73%和97%。特别突出的是，对于HER2 1+病例，在一次VBx采样后，与WSI评分的一致性为64%，27%的病例被错误归类为HER2 0，两次采样后降至15%，三次采样后为10%。

图1：HER2染色WSI的虚拟活检模拟示例。AI工具的自动HER2评分和VBx采样在三个BC WSI上的热图显示。颜色梯度编码每个细胞的HER2表达强度，范围从黄色（阴性肿瘤细胞）到红色（强阳性肿瘤细胞）。蓝色矩形对应于VBx样本，灰色轮廓勾勒出组织区域。

基于AI的虚拟活检方法提示仅穿刺一针Bx将HER2 1+肿瘤错误分类为HER2 0的风险>25%，而三针Bx可将这一风险降低至约10%。因此，这项研究可能会影响Bx活检方案的临床实践。

准确评估乳腺癌（BC）生物标志物，包括雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体2（HER2）和Ki67增殖标志物，对于有效的治疗决策至关重要。然而，目前检测这些标志物的“金标准”方法，如免疫组织化学（IHC），面临着标准化挑战和显著的实验室间差异。为了克服这些问题，开发了APIS乳腺癌分型试剂盒，使用RT-qPCR方法评估粗针活检（CNB）和福尔马林固定石蜡包埋（FFPE）BC切除标本中ER、PR、HER2、KI67的状态。在此，有研究报道了APIS乳腺癌亚型试剂盒的临床表现，并讨论了其准确检测HER2低表达的潜力。通过将结果与标准IHC进行比较，该研究证明了该试剂盒用于精确区分BC亚型的可靠性和实用性。

根据标准实验室操作手册对来自CNB或手术切除的652个FFPE组织切片进行了分析。对于HER2评分为2+的患者，使用原位杂交（ISH）来确定HER2状态，取代IHC结果。ER/PR阳性被定义为超过1%的细胞核染色阳性，并用20%作为Ki67染色的阳性/阴性截止值。

通过依赖粗针穿刺活检（CNB）诊断纯经典型小叶原位癌（LCIS）的治疗存在争议。回顾性研究显示升级为导管原位癌（DCIS）或浸润癌的几率为0-35%。本研究旨在分析文献中引用的预测升级的因素，如CNB采样方式和钙化的存在。

本研究在6年的时间里对在37768例来自三家三级医院的病理数据库中的乳腺CNB病例进行了回顾性分析，发现了248例纯经典型LCIS病例。排除近期或远期有同侧恶性肿瘤病史的病例。CNB的方法：超声引导（USG）、立体定向和磁共振成像（MRI）引导。在248名单纯经典LCIS患者中，115名患者接受了手术治疗。排除115例中无法获得影像学资料的5例病例。对这110例CNB和切除术的影像学相关性进行了回顾性分析。

110例中有9例在切除时发现是恶性的（8%），6/9例是浸润性癌，3/9例是DCIS。根据成像方式，升级的细分如下：5/38立体定向活检切除（13%），3/28USG切除（11%），1/44 MRI引导活检切除（2%）。如表1所示，对这些升级进行影像-病理相关性分析。

表1：切除后被诊断为恶性肿瘤的患者的放射学病理学特征。

乳腺小叶瘤变(LN)包括不典型小叶增生(ALH)和小叶原位癌(LCIS)，是乳腺浸润性癌的潜在前驱病变。值得注意的是，LN通常在病理检查中偶然发现，容易遗漏。本研究旨在验证和评估人工智能(AI)在乳腺活检组织中检测LN的实际应用价值。

该研究纳入了65例乳腺活检病例，其中17例为LN, 48例为良性病变。由AI判读HE染色的全切片图像(WSIs)，该AI曾在其他实验室用于检测浸润性癌和导管内癌。最后比较AI检测结果与E-cadherin染色结果。

AI检测LNs的准确性较高，得到了0.953的曲线下面积（AUC）；AI符合率也高达98%，能准确从17例小叶瘤变中识别出16例(图1A, B)，并排除48例非小叶性肿瘤，敏感性和特异性分别高达94.1%和95.8%(表1)。只有一例LN未被AI识别，但在AI分析中被标记为低概率(图1C, D)。

表1：AI在乳腺空芯针活检组织中检测小叶瘤变与真实数据间的比较

图1.AI检测乳腺粗针活检组织中小叶瘤变.A,B)一例不典型小叶增生被正确识别并标记为高概率（热图上表现为橘红色）；C,D)一例不典型小叶增生被标记为低概率（热图上表现为蓝色）；A，C)HE染色.B,D)热图叠加的相同图像，突出显示小叶瘤变概率。

AI检测LN具有相当高的灵敏性和特异性，有望成为常规病理工作中计算机辅助诊断的宝贵工具。AI可显著提高病理医师的诊断效率和准确度、减少其工作量，降低免疫组化染色成本，最终改善患者的管理和护理。

新型抗体-药物偶联药(ADCs)改变了人表皮生长因子受体2 (HER2)低表达患者的治疗格局。同时，准确区分HER2免疫组化(IHC)评分0和1+成为病理医师面临的一项挑战。HER2状态通常通过粗针活检(CNB)确定。本文旨在评估人工智能(AI)辅助评估CNB标本HER2低表达和超低表达是否能代表整个肿瘤组织HER2表达状态。

回顾性分析2021年1月至2021年12月接受手术的506例浸润性乳腺癌患者的配对CNB和手术切除活检(SEB)样本。所有HER2 IHC切片均由两名培训过的病理医师进行评分，分为0(包括零表达和超低表达)、1+和2+。在这506张CNB切片中评估了与DiYingJia T合作开发的用于乳腺癌HER2量化的AI。

重新评分后，该队列包括54例(10.67%)HER2零表达患者，12例(2.37%)HER2超低表达患者，440例(86.96%) HER2 1+患者。CNB和SEB样本的总体不一致率为22.13%。具体而言，SEB样本中，28.79%(19/66)的病例HER2 由零表达/超低转变为低表达，21.14%(93/440)的病例由低表达转变为零表达/超低表达。然而，基于AI评分，HER2 超低表达患者有32例(6.32%)，HER2 1+患者474例(93.67%)。人工评分与AI评分的总体不一致率为9.49%。基于AI辅助的HER2评估结果，CNB和SEB样本的总体不一致率为24.11%。具体而言，SEB样本中，21.88%(7/32)的病例HER2 由超低表达转变为低表达，而115例(24.26%)由低表达转变为零表达/超低表达。474例HER2 1+病例中，HER2状态转变为零/超低表达者的CNB样本中浸润性肿瘤细胞呈微弱、不完整膜染色的百分比显著低于那些一直保持HER2低表达者(p < 0.001)。

表1.CNB及SEB组织HER2 AI评分和人工评分的相关性

CNB中HER2低表达或超低表达状态可能在SEB中发生改变。CNB中AI和人工评分之间的高度一致性表明，这种差异更可能源于瘤内异质性。本研究提示有必要在切除标本中重新检测HER2表达，这在抗HER2 ADCs治疗治疗时代非常重要。

乳腺癌（BC）是世界范围内最常见的女性恶性肿瘤，在筛查、诊断、治疗和生存方面存在显著的全球差异。在大多数资源有限的国家，如非洲，大部分BC患者确诊较晚，预后较差。筛查是降低BC相关死亡率的最佳策略之一。然而，当资源有限时，很难开展筛查而做到早期发现。本文旨在评估资源有限条件下BC的发病率及使用临床乳腺检查（CBE）联合细针穿刺细胞学（FNAC）对BC的早期检出率。