基于乳腺病理组织学的HER2智能预测

• 作者: 王秀红 陈皇 宋志刚 刘灿城 郑思琪 王跃峰 王书浩 钟定荣
• 来源期刊: 中华病理学杂志
• 关键词: 乳腺肿瘤 基因， erbB-2 人工智能 诊断
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 论著
• 页码范围: 344-348
• 页数: 5页
• 语种: 中文
• DOI: 10.3760/cma.j.cn112151-20200721-00581

摘要

目的:通过深度学习方法，探讨病理形态学与乳腺癌HER2过表达/扩增的关系。方法:采集2012—2018年中日友好医院345张乳腺癌HE染色切片，所有样本均拥有HER2的准确诊断结果，并包含0、1+、2+、3+多种HER2类型。数字化扫描后，204张用于弱监督模型训练，141张用于模型测试。在训练过程中，首先通过癌区识别模型，提取热点区域，随后将热点区域输入弱监督分类模型进行深度学习模型的建立。在测试过程中，对比使用单阈值与双阈值策略的效果，验证双阈值策略在临床可用性方面的作用。结果:在单阈值策略下，深度学习模型可达到81.6%的灵敏度及42.1%的特异度，AUC=0.67［95% CI（0.560，0.778）］。采用双阈值策略，模型的灵敏度为96.3%，特异度达到89.5%。 结论:仅使用HE组织学切片，通过深度学习技术，能够以一定的准确率实现乳腺癌HER2基因状态的预测。基于双阈值策略，能够以高灵敏度和特异度筛出大量样本。