AI显微镜辅助精准解读HER2低表达乳腺癌免疫组化评分：提升0与1+分型的临床诊断准确性

本研究针对HER2低表达乳腺癌患者治疗中免疫组化评分0与1+区分困难的问题，开发了基于AI显微镜的双模型系统（IBC区域分割模型和细胞核检测模型）。通过698例训练集和501例测试集的验证，该系统在40倍放大下达到F1值0.906，显著优于初级病理医师（F1值0.871），与资深病理专家的一致性达Kappa值0.774。该技术为抗体偶联药物（ADC）的精准治疗决策提供了客观标准，发表于《Scientific Reports》。

　　

在乳腺癌诊疗领域，人类表皮生长因子受体2（HER2）的表达水平是决定靶向治疗的关键指标。然而随着抗体偶联药物（DS-8201等）的临床应用，传统定义为HER2阴性（IHC 0/1+）的"HER2低表达"亚型展现出独特治疗价值。临床实践却暴露出严峻挑战：多项研究显示，病理医师对IHC 0与1+的判读一致性最低仅26%，导致近20%患者可能错失靶向治疗机会。这种判读差异源于现行指南将两者均归类为阴性，使得医师在常规诊断中缺乏严格区分动力。

四川大学华西医院病理研究所的Zong La、Jie Chen等研究人员开发了革命性的AI显微镜系统。该系统整合双边分割网络（BiSeNet v2）和全卷积网络（FCN），通过698例回顾性HER2免疫组化切片训练，在501例独立测试集中实现突破性表现：40倍镜下模型F1值达0.906，准确率0.890，显著超越初级病理医师水平（F1值0.871）。研究创新性地采用双阈值算法，发现当弱染色细胞比例阈值为2-5%时AUC最高（40倍镜达0.953），这一发现为临床标准制定提供了量化依据。该成果发表于《Scientific Reports》，为乳腺癌精准分型树立了新标杆。

关键技术包括：1）基于Labelme标注的698例IBC区域分割数据集；2）20x/40x双放大倍数下的细胞核检测模型；3）DAB通道归一化（0-255）的膜染色强度量化系统；4）五折交叉验证的阈值优化策略。测试集来自华西医院2019年544例HER2 0/1+病例，经三位资深病理专家复核建立金标准。

模型性能验证

IBC区域分割模型（Model I）在测试集取得mIoU 0.880，细胞核检测模型（Model II）F1值达0.878。图示显示AI能精准区分癌巢与间质，排除导管原位癌干扰。

阈值优化发现

ROC曲线分析揭示，当设定弱染色细胞比例阈值1=5%时，20x镜AUC达0.930；阈值1=2%时40x镜AUC提升至0.953。这一发现颠覆了传统10%阈值的经验判断。

临床一致性比较

在501例测试中，AI系统纠正了初级病理医师42例1+误判为0的病例，40x镜下与专家组的Kappa值（0.774）显著高于20x（0.703）。表明高倍镜观察对膜染色微细特征捕捉具有决定性作用。

该研究开创了人机协同诊断新模式：AI显微镜无需全片数字化，1秒内完成实时分析，完美嵌入现有病理工作流。其重要意义在于：1）解决HER2低表达判读这一全球性难题，使ADC药物精准治疗成为可能；2）40x放大倍数的优越性提示临床应修订观察规范；3）双阈值算法为国际指南更新提供循证依据。未来需通过多中心研究验证泛化能力，并探索该技术在其他标志物（如PD-L1）评估中的应用价值。