影响乳腺癌HER2判读一致性因素的系统研究

该研究基于乳腺癌组织芯片，系统评估了免疫组化染色、人工智能图像标准化及HER2分型标准对判读一致性的影响。研究纳入1063例浸润性乳腺癌样本，采用三种自动化免疫组化染色方案进行HER2检测，并通过40×扫描生成全切片图像（WSI）。8位病理医师依据ASCO/CAP 2023指南独立评分。为减少不同染色条件造成的差异，研究构建了基于人工智能的图像标准化方法，采用改进的对比学习非配对图像转换技术（CUT），以Nordi QC方案为目标域，对其他方案的图像进行标准化处理。标准化后的图像由同一批病理医师重新评分，以评估AI模型对判读一致性的影响。研究还依据四种体系评估HER2状态：传统IHC分级、ASCO/CAP 2018、ASCO/CAP 2023及研究中探索的新标准。该研究为提升HER2检测准确性提供了量化依据，有助于提高临床诊断的一致性和可靠性。