基于人工智能的数字病理工具在评估乳腺癌复发风险方面的应用评估

《Scientific Reports》：Evaluation of an AI-based digital pathology tool for breast cancer recurrence risk

　　

摘要

激素受体阳性（HR+）乳腺癌是美国女性中最常见的乳腺癌类型。多基因检测方法（如Oncotype DX，ODX）可用于评估复发风险和化疗效果，但这些方法费用昂贵且耗时较长。这项探索性研究评估了基于人工智能的PreciseBreast（PDxBR）工具，并将其风险评分结果与现有的评估工具进行了比较。该试点研究在一家社区医疗系统中进行，纳入的受试者为新诊断为早期HR+浸润性导管癌或混合性导管/小叶癌的女性患者，且符合ODX检测的条件。她的病理切片使用PDxBR进行分析。研究结果通过Cohen’s kappa、Gwet’s AC2及对称性检验与ODX和RSClin的评分结果进行了对比。周转时间则通过配对t检验进行了比较。研究结果并未对临床决策产生显著影响。共纳入50名患者（平均年龄61岁）；其中72%的患者为IA期疾病，94%为浸润性导管癌，6%为混合性组织类型，18%的患者淋巴结呈阳性。PDxBR与ODX的评分一致性处于中等水平（κ = 0.25，p = 0.29），大多数患者被分类为低风险；与RSClin的评分一致性较低（κ = 0.06–0.084，p < 0.05），根据Gwet’s AC2的标准，两者之间的差异并非仅由偶然性造成。PDxBR的平均周转时间明显 shorter（1.9天对比6.9天，p < 0.0001），且成本也较低（1500美元对比4620美元）。PDxBR证实了基于人工智能的病理检测方法在缩短周转时间和降低成本方面的优势，但其与ODX和RSClin的评分一致性有限。基于人工智能的数字病理技术可能可作为基因组检测的补充工具，但在确立其作为替代方案的地位之前，还需要进行更多包含临床结局数据的大规模研究。