基于空心针穿刺活检(CNB)数据的乳腺癌手术切除组织HER2-low状态精准评估与预测模型

《Diagnostic and Prognostic Research》:Accurate assessment of surgical HER2-low status based on core needle biopsy data of breast cancer

【字体: 大 中 小 】 时间:2026年10月10日 来源:Diagnostic and Prognostic Research 3.9

编辑推荐:

  背景:乳腺癌是全球女性癌症相关死亡的主要原因。准确识别HER2状态,尤其是HER2-low类别,对于制定有效的治疗策略至关重要,因为针对该亚群的HER2靶向治疗已经出现。然而,在更精确的HER2状态方面,空心针穿刺活检(CNB)与手术切除组织(SRT)之间常常

  
背景:乳腺癌是全球女性癌症相关死亡的主要原因。准确识别HER2状态,尤其是HER2-low类别,对于制定有效的治疗策略至关重要,因为针对该亚群的HER2靶向治疗已经出现。然而,在更精确的HER2状态方面,空心针穿刺活检(CNB)与手术切除组织(SRT)之间常常存在差异。

方法:这项回顾性研究纳入了2020年1月1日至2024年12月31日期间在中国某癌症中心接受手术切除的浸润性乳腺癌女性患者。研究人员评估了CNB和SRT样本中HER2状态及其他临床病理特征的一致性。随后,研究人员开发了一个监督二分类建模框架,以基于CNB数据预测SRT HER2状态(伴转移)。

结果:在分析的1,919例患者中,二分类系统下的HER2分类符合率为97.0%,但在使用3分类系统时降至75.9%,不一致尤其见于HER2-zero与HER2-low类别之间。逻辑回归确定了影响一致性的显著因素。基于CNB HER2分类的预测模型平均AUC为0.824,表明对SRT HER2-low状态具有显著的预测能力。整合CNB临床病理变量进一步提高了对临床相关区域中伴转移的SRT HER2-low的预测准确性(平均AUC从0.691升至0.771)。

结论:虽然CNB能有效确定二分类HER2状态,但HER2-low分类的建立揭示了一致性差异。研究结果强调了准确的术前HER2评估的重要性,并得到基于AI的预测模型的支持,这些模型有助于针对HER2-low患者的乳腺癌管理中的临床决策。
乳腺癌是全球女性最常见的恶性肿瘤和癌症相关死亡的主要原因。人表皮生长因子受体2(HER2)是乳腺癌管理中最重要的预测性生物标志物之一。近年来,抗体-药物偶联物(ADC)等HER2靶向治疗不仅对HER2阳性(IHC 2+且FISH阳性,或IHC 3+)患者有效,对HER2-low(IHC 1+,或IHC 2+且FISH阴性)患者同样有效。因此,准确识别HER2状态,特别是HER2-low亚群,对治疗决策至关重要。空心针穿刺活检(CNB)是乳腺癌术前诊断的首选方式,但在引入更精细的HER2分类时,CNB与手术切除组织(SRT)之间的一致性下降,约75%的符合率凸显了单纯依赖CNB进行HER2亚型判定的挑战。为此,研究人员开展了基于CNB数据预测SRT HER2-low状态的研究。

该研究为单中心回顾性研究,纳入2020年1月1日至2024年12月31日在中国重庆大学附属肿瘤医院接受手术切除的1,919例浸润性乳腺癌女性患者,所有患者均有CNB和SRT样本及标准生物标志物检测结果。研究人员采用免疫组织化学(IHC)和荧光原位杂交(FISH)检测HER2、ER、PR、Ki-67状态,对不一致病例由经验丰富的乳腺病理医师盲法复核。统计分析包括Kappa一致性检验、单因素分析、多因素Logistic回归、Kaplan-Meier生存分析;预测建模采用蒙特卡洛交叉验证,比较了Logistic回归、随机森林、神经网络及Lasso等机器学习方法,最终选择可解释性强的决策树或风险评分模型。

研究结果:

1. 按CNB和SRT的HER2状态划分的临床病理特征

单因素分析显示,组织学亚型、组织学分级、ER、PR、Ki-67、N分期等变量在CNB和SRT的3分类HER2亚组间均存在显著差异(校正后p<0.001)。SRT样本中,HER2-zero和HER2-low患者的淋巴结侵犯比例显著高于HER2阳性组。

2. CNB与SRT之间HER2及其他生物标志物状态的一致性

二分类系统下,CNB与SRT的HER2符合率为97.0%;3分类系统下降至75.9%,4分类系统进一步降至63%。不一致主要发生在HER2-zero与HER2-low之间:26.0%的CNB HER2-low患者被SRT归类为HER2-zero,29.3%的CNB HER2-zero患者被归类为HER2-low。ER、PR、Ki-67的符合率分别为95.4%、91.9%、78.0%,其中Ki-67差异最大。

3. 与HER2一致性相关的临床病理变量

多因素Logistic回归显示,在3分类系统下,CNB临床T分期增高(T2-4 vs T1)使HER2一致的几率增加58%,而SRT淋巴结侵犯使一致的几率降低25%。在4分类系统下,CNB PR阳性使一致几率降低35%,SRT Ki-67阳性使一致几率增加31%。生存分析未显示一致与不一致亚组间的生存差异,但受事件数量少限制。

4. SRT HER2预测模型的开发与特征

基于CNB临床病理变量单独预测SRT HER2-low的平均AUC为0.615;仅用CNB HER2分类结果预测平均AUC为0.824;两者联合仅小幅提升至0.831。更复杂的非线性模型无额外增益。最终选择的决策树模型显示,CNB HER2为IHC 0、IHC 1+、IHC 2+/FISH阴性、HER2阳性时,SRT HER2-low的概率分别为0.29、0.62、0.88、0.07。

5. 预测伴淋巴结、淋巴血管或神经周围转移的SRT HER2-low患者模型的开发与特征

针对SRT HER2-low伴转移这一复合终点,CNB临床病理变量单独预测的平均AUC为0.692,CNB HER2分类单独预测为0.719,两者结合经Lasso正则化后改善至0.771。最终风险评分包含CNB HER2二分类和4分类结果、ER、PR、cT、cN。较高的cN分期及激素受体阳性是预测SRT HER2-low伴转移的正向因素,而CNB HER2阳性为强保护因素。

讨论与结论:

研究结果与既往报道一致。CNB在二分类HER2判定上仍可靠,但HER2-low分类引入后出现明显双向错分,尤其在IHC 0/1+边界,这可能影响ADC治疗的适宜人群选择。HER2不一致并非随机:较大肿瘤可能被CNB更全面取样,而淋巴结侵犯与基因组不稳定和克隆多样性相关。简单可解释的模型在预测性能上与复杂模型相当,更利于临床实施。对于HER2-low伴转移的高风险亚组,整合CNB HER2分类与常规临床病理变量能改善风险分层。研究局限包括单中心、回顾性设计、需要外部验证、观察者间变异、随访事件有限以及缺少数字病理和基因组数据。未来方向包括多中心前瞻性验证及将模型嵌入数字病理系统或电子病历。

总之,CNB上的HER2评估在二分类HER2阳性与阴性之间高度可靠,但HER2-low类别的引入揭示了CNB与SRT之间特别是IHC 0/1+边界处的大量不一致。CNB HER2 IHC/FISH结果是SRT HER2-low状态的主要决定因素,简单、可解释的AI模型可将这些结果转化为临床上有用的概率估计。对于伴区域转移的HER2-low肿瘤患者,整合CNB HER2分类与基本临床病理变量可改善风险分层。总体而言,该研究支持在HER2-low导向治疗时代更细致、基于概率地使用CNB HER2数据,并说明透明AI工具在乳腺癌管理中对传统病理学的补充价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号