利用人工智能，预测乳腺癌复发风险和化疗获益：一项多中心模型开发与验证研究

01

研究背景

基因组检测（例如 Oncotype DX）已彻底改变了激素受体阳性、HER2阴性早期乳腺癌的辅助治疗选择，但由于费用高昂等原因，许多患者仍然无法接受这些检测。研究者的目标是开发并验证一种人工智能（AI）模型，该模型能够直接从常规组织病理切片和临床病理变量中估算Oncotype DX 21基因复发评分。

02

研究方法

在这项多中心模型开发和验证研究中，研究者使用基于171189张组织病理切片预训练的基础模型，结合数字全切片图像和临床特征，训练了一个多模态深度学习模型，用于预测Oncotype DX复发评分。我们纳入了激素受体阳性、HER2阴性、浸润性乳腺癌患者的切片，这些切片无扫描伪影，且至少包含100个组织块（1.6 mm² ）。该模型在TAILORx随机试验（质量控制后纳入8284例患者）中进行了微调和验证。在TAILORx测试集中评估了预后和预测性能，并在六个独立队列中进行了外部验证（以色列Carmel、Haemek 和 Sheba 医疗中心，美国芝加哥大学医学中心，澳大利亚乳腺癌组织库，以及美国癌症基因组图谱乳腺浸润性癌项目）。

03

研究结果

在TAILORx测试集（n=2407）中，人工智能模型将1097例（45.6%）患者分类为低风险，1021例（42.4%）为中等风险，289例（12.0%）为高风险。对于识别高基因组风险疾病（复发评分≥26），曲线下面积（AUC）为0.898（95% CI 0.879–0.913）。基于人工智能的风险分层对无复发生存期（风险比2.61 [95% CI 1.68–4.04]）、远处无复发生存期（2.88 [1.73–4.79]）和无病生存期（1.32 [0.92–1.89]）均具有预后价值。在AI分类为高危的绝经前患者中，化疗获益显著（0.63 [0.46–0.86]），但在AI分类为低危的绝经后患者中则未观察到化疗获益（0.94 [0.78–1.12]）。151例（31.3%），临床高危绝经后女性（根据MINDACT标准）被重新分类为低AI风险，且未从化疗中获益。对外部队列（5497例患者）的分析表明，该模型具有良好的泛化能力，可推广至新数据集（复发评分≥26，AUC范围为0.858至0.903）。

04

研究结论

上述研究结果表明，将人工智能应用于常规组织病理学可以作为一种实用且可推广的工具，用于指导激素受体阳性、HER2阴性早期乳腺癌的化疗决策。该方法有望减少不必要的化疗，并在基因组检测尚不可及或负担过重的资源匮乏地区，拓宽精准肿瘤学的可及性。