乳腺癌 基于组织病理学图像的深度学习预测复发风险与化疗获益
以色列理工学院Shamai等报告的一项多中心模型开发与验证研究结果表明，应用于常规组织病理学的人工智能（AI）可以作为一种实用且可扩展的工具，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，并拓宽精准肿瘤学的可及性，特别是在基因组检测仍然无法获得或负担不起的资源有限地区。（Lancet Oncol. 2026年3月11日在线版）
诸如Oncotype DX等基因组检测已改变了激素受体阳性、HER2阴性早期乳腺癌的辅助治疗选择，但由于成本高昂和物流障碍，许多患者仍无法获得这些检测。该研究的目标是开发并验证一种AI模型，该模型能够直接从常规组织病理学切片及临床病理变量中估算Oncotype DX 21-基因复发评分。
在这项多中心模型开发与验证研究中，研究者构建了一个多模态深度学习模型。该模型基于在171 189张组织病理学切片上预训练的基础模型，利用数字化全玻片图像和临床特征来预测Oncotype DX复发评分。
研究纳入来自激素受体阳性、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个组织样本切片（1.6 mm2）。模型在TAILORx随机试验（质量控制后的8284例患者）中进行微调和验证。
预后和预测性能在TAILORx测试集中进行评估，并在六个独立队列（以色列的Carmel、Haemek、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癌项目）中进行外部验证。
在TAILORx测试集（2407例）中，AI模型将1097例（45.6%）患者归类为低风险，1021例（42.4%）为中风险，289例（12.0%）为高风险。在识别高基因组风险疾病（复发评分≥26）方面，曲线下面积（AUC）为0.898（95%CI 0.879~0.913）。
基于AI的风险分层对无复发生存期（HR=2.61，95%CI 1.68~4.04）、无远处复发生存期（HR=2.88，95%CI 1.73~4.79）和无病生存期（HR=1.32，95%CI 0.92~1.89）具有预后价值。在AI归类为高风险的绝经前患者中，化疗获益明显（HR=0.63，95%CI 0.46~0.86）；而在AI归类为低风险的绝经后患者中，未观察到化疗获益（HR=0.94，95%CI 0.78~1.12）。151例（31.3%）根据MINDACT标准判定为临床高风险的绝经后女性被AI重新分类为低风险，且未显示化疗获益。
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，可迁移至新数据（识别复发评分≥26 的AUC范围为0.858~0.903）。 （编译 刘志超）
