HER2低表达与超低表达乳腺癌的临床病理特征及免疫组化一致性分析：人工智能辅助判读的价值

《npj Breast Cancer》：HER2-low and ultralow expression of invasive breast carcinoma: clinicopathological features and immunohistochemical consistency analysis

本研究针对HER2-low/ultralow乳腺癌临床病理特征不明确、免疫组化检测一致性差等关键问题，通过分析1,455例HER2非扩增病例并开展45家实验室环评研究，发现HER2-null肿瘤具有更高组织学分级、更低ER表达等独特特征，证实不同抗体克隆(4B5/MXR001)和检测平台存在显著染色差异，同时验证AI辅助判读可将判读者间一致性Kappa值从0.610提升至0.703。该研究为T-DXd治疗患者选择提供了重要标准化依据。

　　

在乳腺癌精准治疗领域，人类表皮生长因子受体2(HER2)的检测精度直接决定着患者的治疗命运。传统认知中，只有HER2阳性的患者才能从靶向治疗中获益，然而抗体偶联药物(ADC) trastuzumab deruxtecan(T-DXd)的出现彻底改变了这一格局。DESTINY-Breast06临床试验证实，T-DXd在HER2-low（低表达）和ultralow（超低表达）的转移性乳腺癌患者中同样能带来生存获益，这使精确区分HER2表达水平变得至关重要。

然而现实情况却不容乐观。HER2免疫组化(IHC)检测长期受到技术挑战的困扰——从样本前处理中的固定时间差异、染色条件不一致，到判读过程中的主观性，都导致实验室间存在显著差异。当需要识别HER2-low（IHC 1+或2+且FISH阴性）和ultralow（<10%肿瘤细胞显示微弱不完全膜染色）这类细微表达差异时，这些问题被进一步放大。能否准确识别这些患者，直接关系到他们能否获得最合适的靶向治疗机会。

正是在这样的背景下，中国医科大学附属第一医院病理科张清福教授团队在《npj Breast Cancer》上发表了他们的最新研究成果。研究人员系统探讨了三个核心问题：不同HER2表达水平（特别是ultralow与null）的临床病理特征差异、HER2 IHC检测的多中心可重复性、以及人工智能(AI)在提高判读一致性方面的价值。

关键技术方法概述

研究团队回顾性分析了1,455例初治HER2非扩增浸润性乳腺癌病例，按HR+（激素受体阳性）和TNBC（三阴性乳腺癌）进行分层分析。同时组织45家实验室进行多中心环评研究，使用三种不同HER2表达水平的组织切片（Tissue 1：HER2 2+FISH-；Tissue 2：HER2 0；Tissue 3：HER2 3+/2+异质性），比较不同抗体克隆（4B5、MXR001、LDTs）和染色平台（Ventana、Leica等）的性能差异。最后评估了D-Path AI平台在209例HER2 IHC切片判读中的辅助价值，通过比较AI辅助前后判读者间一致性来验证其效用。

研究结果

HER2-low与HER2-ultralow表达的临床病理学差异

在1,455例HER2非扩增病例中，研究人员发现HER2-low（76.91%）远比HER2 0（23.09%）常见，其中HER2-ultralow占9.21%，HER2-null占13.88%。与HER2-low肿瘤相比，HER2-null病例表现出更高的组织学分级（p<0.001）、更低的雌激素受体(ER)和孕激素受体(PR)表达，以及更高的Ki-67指数（p=0.004）。值得注意的是，HER2-null肿瘤的肿瘤浸润淋巴细胞(TILs)密度显著高于HER2-low病例（p=0.005）。

当按HR+和TNBC进行分层分析时，模式更加清晰：在HR+肿瘤中，HER2-ultralow病例的ER表达显著高于HER2-null病例（p=0.018），且ER表达水平与HER2 IHC评分呈正相关。而在TNBC患者中，HER2-null组的年轻患者（≤50岁）比例显著高于HER2-low组（p=0.040），且组织学分级和Ki-67指数均更高。

HER2免疫组化染色性能

多中心环评揭示了令人担忧的染色不一致性问题。三组测试切片与参考标准的总体染色一致率仅为72.60%，其中Tissue 1（HER2 2+）的一致性最低（55.56%），有42.22%的实验室将其判读为HER2 1+。不同抗体克隆间存在显著差异：4B5克隆在HER2 2+ FISH-样本中产生更多的HER2 1+评分（78.95%），而MXR001则倾向于产生更高的HER2-low结果（p<0.05）。平台比较显示，Roche Ventana在HER2 2+ FISH-样本中产生显著更高的HER2 1+率（94.12% vs 10.71%），这种技术差异可能直接影响HER2-low患者的治疗资格。

HER2评分判读的一致性

实验室间判读一致性分析显示，总体一致率为68.89%，kappa值为0.566（中等一致性）。其中HER2 1+切片的一致性最差（57.58%），表明低表达范围的判读最具挑战性。HER2 0和HER2 2+/3+切片的一致性分别为70.97%和86.67%，反映出随着表达水平升高，判读一致性有所改善。

AI在HER2免疫组化判读中的作用

AI辅助判读显著改善了评分分布和判读者间一致性。最明显的调整是从HER2 0到HER2 1+的重新分类（共识评分组：5.3%），导致HER2 0病例总体减少3.7%。更重要的是，AI辅助将总体判读一致性从79.43%提高到84.69%，kappa值从0.711提升至0.787。在非扩增病例中，改善更为明显：一致性从77.02%升至81.99%，kappa值从0.610升至0.703。

研究结论与意义

这项研究系统阐明了HER2-ultralow/null肿瘤的独特临床病理特征，证实HER2-ultralow在特征上更接近HER2-low而非HER2-null，特别是在HR+疾病中。鉴于HER2-null luminal病例可能比HER2-ultralow对应病例具有更短的无病生存期，这种区分具有预后意义。

多中心评估揭示了HER2 IHC检测中令人担忧的不一致性问题，尤其是在低表达范围。不同抗体克隆和染色平台的性能差异显著，4B5克隆在非扩增标本中产生较低的膜阳性率，而MXR001在扩增病例中倾向于更高的膜染色。这些发现对实验室质量控制和标准化提出了迫切需求。

AI辅助判读被证明是解决判读主观性的有效策略，显著提高了一致性并减少了模糊的HER2 2+判定。然而，当前AI工具仍无法可靠区分HER2-ultralow与null，主要受限于对非特异性染色的识别困难。研究表明，AI辅助判读仍需人工验证以确保最佳准确性，但无疑为扩大患者接受新型靶向治疗的机会提供了实用工具。

随着T-DXd在HER2-low/ultralow乳腺癌治疗中的应用扩展，这项研究为优化患者选择提供了重要依据。研究强调，在目前阶段，将HER2 0进一步细分为ultralow和null可能为时过早，但通过技术标准化和AI辅助，我们正朝着更精确的HER2分层迈出关键一步，最终使更多乳腺癌患者从精准治疗中获益。