人工智能赋能的HER2连续定量评估：抗体–药物偶联物（ADC）时代的患者选择框架

《Technology in Cancer Research & Treatment》：Artificial Intelligence-Enabled Continuous HER2 Assessment: A Patient Selection Framework for the Antibody–Drug Conjugate Era

　　

抗体–药物偶联物（antibody–drug conjugates, ADCs）已将HER2靶向治疗扩展至HER2-low乳腺癌，但分类性免疫组织化学（immunohistochemistry, IHC）评分在表达边界处对患者选择的支撑不足，该边界处观察者间一致性欠佳。研究人员提出，人工智能（artificial intelligence, AI）赋能的连续定量可通过保留对治疗资格决策至关重要的表达梯度，同时维持病理学家可解释性，来填补这一空白。使用一个试点数据集（n=66），研究人员证明，由连续评分衍生的数据驱动阈值可支持三个临床相关决策点：抗HER2治疗资格、原位杂交（in situ hybridization, ISH）分诊以及符合ADC候选资格的HER2-low识别。Bootstrap验证和交叉验证分析支持阈值稳健性。从分类边界向定量谱的转变可能有助于患者选择的精准化，尚待治疗结局数据验证。

一、研究背景与问题

论文指出，乳腺癌HER2靶向治疗体现了精准肿瘤学的演进：从癌基因发现到抗体–药物偶联物（antibody–drug conjugates, ADCs），不断重塑HER2状态测量与解释方式。20世纪80年代中期发现编码HER2受体酪氨酸激酶的ERBB2基因，Slamon等证明ERBB2扩增见于25–30%乳腺癌并与不良预后相关，促成曲妥珠单抗开发。传统抗HER2药物需明显HER2过表达及基因扩增驱动，因而IHC（immunohistochemistry，免疫组织化学）主要作为FISH（fluorescence in situ hybridization，荧光原位杂交）确认的筛查替代，建立0、1⁺、2⁺、3⁺四分类评分，用于分诊FISH确认。ADC改变了这一格局：ADC将HER2作为递送细胞毒性载荷的地址，结合旁观者效应，即使蛋白表达不足以驱动致癌信号也可能有效。DESTINY-Breast04显示T-DXd（trastuzumab deruxtecan）改善HER2-low（IHC 1⁺或IHC 2⁺/ISH阴性）乳腺癌结局，IHC 0中T-DXd反应又促使研究HER2-ultra-low。由此，诊断问题从“基因扩增是否驱动肿瘤”转为“表面蛋白表达能否实现药物递送”，IHC从基因扩增替代指标转为治疗靶点本身的关键测量。然而，现有分类框架限制ADC治疗诊断准确性：0与1⁺区分仅中度一致，1⁺与2⁺区分公平至中度一致。AI图像分析可提高分类一致性，但分类框架本身丢失梯度信息。多个团队转向蛋白水平连续定量，如Li等、Aidt等、Kapil等及研究人员团队的c-score框架。本研究即考察连续HER2定量作为患者选择工具的价值。

研究人员开展了一项基于自动连续评分框架的试点研究。该框架对全切片图像（whole slide images, WSIs）进行肿瘤分割，再以transformer-based分析对约10–20个细胞的patch进行0/1⁺/2⁺/3⁺分类，聚合为空间热图、分类比例P0-P3⁺及c-score加权平均值。c-score范围为0–3，越高表示总体表达强度越高，同时保留肿瘤异质性信息，并维持病理学家视觉-认知对应。试点测试集为66张WSI，每例一张，来自Li Jen Pathology Clinic于2022年6月至2023年12月收集的乳腺癌病例，HER2类别均衡：0为n=15，1⁺为n=19，2⁺为n=18，3⁺为n=14。参考标准为原始病理报告HER2评分，由具备五年以上诊断经验的病理学家分配，后由通讯作者复核。AI推断独立进行。研究获Far Eastern Memorial Hospital伦理审查委员会批准（No. 113141-E，批准日期：2024年6月5日）。研究结论认为，c-score衍生阈值可支持三个临床相关决策点，Bootstrap验证和交叉验证支持阈值稳健性；从分类边界到定量谱的转变可能有助于患者选择精准化，尚待治疗结局数据验证。

二、关键技术与方法

研究采用自动连续评分框架：先分割全切片图像中的肿瘤上皮区域，再以transformer-based模型对约10–20细胞patch进行0/1⁺/2⁺/3⁺分类，并聚合为空间热图、P0-P3⁺及c-score加权平均。评估使用66例WSI试点队列，来源于Li Jen Pathology Clinic（2022年6月至2023年12月；0：n=15，1⁺：n=19，2⁺：n=18，3⁺：n=14），参考标准为病理报告分类评分。采用ROC（receiver operating characteristic，受试者工作特征）曲线和Youden’s J统计量确定T1=0.14、T2=0.42、T3=2.54；以Bootstrap（n=2,000次迭代）和交叉验证评估阈值稳健性。运行时比较TinyViT与Virchow基础模型。

三、研究结果

Result: Performance evaluation（性能评估）。在测试集中，c-score分布在病理学家分类中呈分层：0与3⁺类别同质性高，1⁺与2⁺类别异质性显著，符合边界类别生物连续谱。经ROC和Youden’s J统计量，研究识别三个探索性数据驱动阈值：T1=0.14用于HER2-low识别，T2=0.42用于ISH分诊，T3=2.54用于抗HER2资格。Bootstrap验证（n=2,000次迭代）和交叉验证支持阈值内部稳健性。三项二元分类任务显示：第一，区分HER2 3⁺与其他类别时，T3阈值AUC（area under the curve，曲线下面积）为1.00（95% CI：1.00–1.00），与病理学家评估一致；第二，排除3⁺后区分2⁺与0/1⁺时，T2阈值AUC为0.96（95% CI：0.90–0.99），敏感性100%（95% CI：75.0–100%），特异性76.5%（95% CI：70.3–100%），确保需ISH确认的病例不被遗漏；第三，区分1⁺/2⁺与0时，T1阈值AUC为0.98（95% CI：0.94–1.00），敏感性91.9%（95% CI：83.8–100%），特异性100%（95% CI：94.4–100%）。这些探索性结果提示c-score阈值可支持三个临床相关HER2决策点，性能与病理学家分类评估相当。

四、讨论部分总结

Continuous Quantification Addresses Categorical Limitations（连续定量解决分类局限）：连续评分解决分类评估无法客观量化边界表达梯度的问题。试点中，c-score对明确病例与病理学家高度一致，而边界类别1⁺和2⁺呈连续范围而非离散聚集，与0/1⁺及1⁺/2⁺边界观察者变异一致。以病理学家分类为参考标准存在固有循环性，但当前阶段有意如此，即先建立与现有分类一致性，再追求基于结局的阈值优化。T-DXd一期试验分析中，定量连续评分较ASCO/CAP分类有更优患者分层，HER2表达越高应答率越好。c-score旨在补充而非替代病理学家，标准化测量并标记最需人类专家判断的病例。

Explainability and Visual-Cognitive Correspondence（可解释性与视觉-认知对应）：AI辅助HER2评估的临床采纳需可解释性和病理学家可验证性。qIHC（quantitative IHC，定量免疫组织化学）生成与蛋白水平成比例的显色点，QCS（quantitative continuous scoring，定量连续评分）用光密度得出连续分，但病理学家不能直接通过IHC图像验证。c-score保持与标准病理实践的直接视觉-认知对应，从标准HER2 IHC图像提取连续评分，transformer将组织patch分类至熟悉类别，再透明加权平均。例如c-score=1.3（成分：0为10%，1⁺为50%，2⁺为40%，3⁺为0%），病理学家可验证以弱不完全染色为主并伴中等完整区域。多级验证包括patch级确认分类、slide级热图显示空间异质性，差异以共享诊断语言表达，可能便于整合临床工作流。

Clinical Decision Support and Flexibility（临床决策支持与灵活性）：c-score框架针对三个二元任务。T3对3⁺抗HER2资格完美判别，与分布图清晰分离一致。T2对ISH分诊达100%敏感性，确保不漏需ISH确认病例，特异性76.5%表明部分0/1⁺会被转诊不必要ISH，属偏临床安全权衡。T1对HER2-low识别AUC=0.98，敏感性91.9%，特异性100%。经验阈值T1=0.14超过ASCO/CAP（美国临床肿瘤学会/美国病理学家协会）理论10% cutoff（c-score约0.1），提示病理学家可能需要超过10%视觉信号负担才一致判1⁺。若大队列证实，可能意味着部分可受益ADC患者在当前视觉评估下被归为HER2阴性。连续c-score可探索c-score低于0.14的HER2 0病例，但需正交定量和结局验证。三个阈值自66例试点统计得出，应视为探索性；不同场景可应用不同cutpoint，并随ADC证据积累重校准为结局驱动阈值。

Spatial Heterogeneity and Expression Topology（空间异质性与表达拓扑）：patch-based架构捕获瘤内空间异质性，可能关系ADC应答。ADC旁观者效应使空间分布影响治疗覆盖。两个总c-score相同肿瘤，一个弥漫均一，一个局灶高表达簇，可能应答不同。框架生成空间热图支持表达拓扑分析，曾用于Ki67增殖评估。潜在指标包括聚类系数、表达梯度、高表达区与肿瘤边缘邻近关系。联合全局c-score与空间拓扑是否改善结局预测需随访队列验证。

Deployment Accessibility and Domain Transferability（部署可及性与领域迁移性）：运行时分析显示，轻量TinyViT架构在专家注释数据训练后，诊断性能与Virchow基础模型相当，但效率更优。TinyViT推理时间较Virchow减少60.7%，在消费级GPU（NVIDIA RTX 4060Ti）约6分钟完成WSI分析。该效率降低采纳门槛，可在标准实验室工作站或边缘设备部署，利于资源有限机构或社区医院。c-score框架可迁移至其他定量标志物，如PD-L1（programmed death-ligand 1，程序性死亡配体1）评分面临TPS（Tumor Proportion Score，肿瘤比例评分）主观估计和边界观察者变异；patch-based架构与透明聚合可适应并保持视觉-认知对应。HER2为初始概念验证，该架构可为精准肿瘤学AI生物标志物评估奠基；近期研究也强调代谢重编程和免疫微环境重塑相关标志物的预后价值，强化可扩展、可解释定量框架需求。

Limitations and Future Directions（局限性与未来方向）：研究局限包括：66例单中心试点，使用标准化染色协议（clone 4B5，Ventana）和单一扫描仪（Hamamatsu S210）；阈值跨试剂、染色协议、扫描仪泛化性未建立；阈值在同一数据集衍生和评估，无外部验证，应视为探索性；参考标准依赖病理学家分类评分，存在阈值衍生循环性；缺乏治疗结局数据，当前仅显示与分类评估一致性，而非改善临床决策。连续定量是否转化更好患者选择未证明。未来需多机构验证跨平台重现性，并与治疗结局相关。回顾性分析关键ADC试验数据集，如DESTINY-Breast04，可验证基线IHC切片、标准化治疗和纵向结局，评估连续测量能否改善应答预测并识别IHC 0中HER2-ultra-low治疗相关群体。并行测试qIHC、QCS和c-score等多种方法可加强证据：收敛增强信心，分歧揭示互补。空间异质性指标整合亦为未来方向。

五、研究结论翻译

研究人员提出一种人工智能（AI）赋能的连续HER2评分框架，该框架通过视觉-认知对应保留表达梯度，同时维持病理学家可解释性。在一个66例试点数据集中，由c-score衍生的阈值在三个临床相关决策点上与病理学家评估高度一致，Bootstrap验证和交叉验证支持阈值稳健性。这些连续测量是否可在分类评估之外改善ADC治疗的患者选择，仍有待通过多机构验证及与治疗结局的相关性分析来确定。基于病理学家与AI合作的连续生物标志物定量，可能对下一代治疗所要求的精准诊断具有价值。