在最初被误诊为三阴性乳腺癌的病例中，利用人工智能技术解决组织病理学上的不确定性问题

《npj Breast Cancer》：AI-driven resolution of uncertain histopathology in cases initially misdiagnosed as triple-negative breast cancer

　　

摘要

被误判为转移性三阴性乳腺癌（TNBC）的肿瘤实际上可能是其他来源（尤其是肺部）的原发性或转移性肿瘤的误诊结果，这是由于这两种肿瘤在临床表现上有重叠，且缺乏特定于器官的形态学特征。尽管免疫组化标记物可以解决这些差异，但如果没有临床怀疑，这些标记物往往无法得到充分使用，从而导致治疗延误。为了解决这一问题，我们采用了GPSai这一人工智能（AI）模型，该模型由Caris Life Sciences公司的常规分子检测流程集成进来，用于系统地分析2423例疑似TNBC病例的鉴别诊断。通过将AI检测结果与临床和分子证据相结合，我们发现误诊率为3.0%。其中超过一半的病例被重新归类为非小细胞肺癌，而误诊病例中还包括其他多种类型的肿瘤。这些诊断错误会严重影响肿瘤的分期、预后和治疗方案的选择，这凸显了采用无偏见的、系统化方法来识别疑似TNBC病例中的误诊情况的必要性。