基于显微镜的 HER2 评分系统

人表皮生长因子受体 2（HER2）的过表达已被确立为乳腺癌、胃癌等多种癌症的治疗靶点。免疫组化（IHC）被用作基础 HER2 检测，以区分 HER2 阳性、临界与 HER2 阴性患者。然而，HER2 评分的可靠性与准确性受诸多因素影响，如病理学家的经验。近年来，人工智能（AI）已用于多种疾病诊断以提升诊断准确性与可靠性，但诊断结果的可解释性仍是一个开放问题。本文提出一种实时 HER2 评分系统，其遵循 HER2 评分指南完成诊断，故每一步均可解释。不同于以往基于全切片成像的评分系统，我们的 HER2 评分系统集成于增强现实（AR）显微镜中，可在病理学家阅片时向其反馈 AI 结果。病理学家可协助选择信息丰富的视野（FOVs），避开如 DCIS 等混杂区域。重要的是，我们展示了膜染色状况与细胞分类结果的中间结果，使评估诊断结果的可靠性成为可能。此外，我们支持对感兴趣区域选择的交互式修改，使系统在临床实践中更为灵活。AI 与病理学家的协作可显著提升系统鲁棒性。我们使用 285 张乳腺 IHC HER2 切片评估系统，95% 的分类准确率显示了我们 HER2 评分系统的有效性。