杨文涛教授：步履不停，乳腺癌HER2病理检测研究探索多管齐下——2024 USCAP乳腺癌专场报道

导语

近年来，随着临床研究数据的积累和研究者们对HER2探索的逐渐深入，乳腺癌HER2表达已进入了更细分的时代，对其检测和判读均提出了更高要求。如何进一步优化HER2检测流程，确保检测结果的可靠性和准确性，成为了病理学领域的研究重点。

此前杨文涛教授牵头中国10家中心的病理专家提供了中国HER2低表达乳腺癌的流行病学数据。该项对乳腺癌人群开展的HER2 PATH研究揭示了经过重新阅片后中国乳腺癌患者中HER2低表达的比例为54.5%，历史评分和重新判读间的总体一致率为91.7% [1]。在2024年3月召开的USCAP（United States and Canadian Academy of Pathology, 美国和加拿大病理学会）大会上，该研究的人工智能（AI）分析部分结果获得了口头报告。除此之外，复旦大学附属肿瘤医院杨文涛教授及其团队还围绕HER2规范化检测、判读及HER2突变等问题做了更多探索。基于此，医脉通特邀杨文涛教授为我们分享其团队在乳腺癌HER2领域的相关探索及展望。

- 杨文涛 -

• 复旦大学附属肿瘤医院病理科副主任，主任医师，博士生导师

• 中华医学会病理学会乳腺学组组长

• 第五版世界卫生组织（WHO）乳腺肿瘤分类编委

• 国际癌症报告合作组织（ICCR）乳腺癌病理报告模板制定专家组成员

医脉通：这几年，数字病理与AI的强强联手为乳腺癌的诊断提供了更高效、更准确的方法，在指导治疗策略选择、疗效评估以及预后预测等方面均已显示出良好的应用前景。据悉，您牵头的多中心研究也在AI辅助HER2低表达判读方面进行了相关探索，并在今年的USCAP大会的口头报告中公布了相关研究结果，可以请您为我们分享一下相关研究结果吗？

杨文涛 教授

HER2低表达乳腺癌治疗新格局的出现对HER2诊断提出了挑战，正确检测和评定乳腺癌的HER2状态，对其临床治疗和预后判断至关重要。因此，我们开展了旨在评估HER2 IHC评分的观察者间一致性的PATH研究，在此基础上我们还进一步评估了AI辅助HER2判读工具与人工判读间的一致性[2]。

该研究共分析了270例样本，中心实验室（FUSCC）和分中心间的人工判读的评分一致性为82.2%（k=0.77），各分中心与FUSCC之间一致率最高为90%（k=0.86），最低为76.7%（k=0.66）。分中心与FUSCC在HER2 IHC 0、1+、2+、3+的一致率分别为89.9%、81.1%、64.9%和97.3%。IHC 2+组一致性相对较低，大多数不一致病例（N=19）重新评估后转变为1+。由于这19例病例均为FISH-，故分中心和FUSCC的判读结果均归为HER2低表达。HER2低表达组的分中心与FUSCC的判读一致率为91.4%。

在AI部分，我们使用含265张切片的测试数据集训练AI工具，发现AI在IHC 0和1+病例判读上与有经验的病理医生判读结果的一致率达81.7%（kappa=0.85）。AI对HER2 IHC 0和1+的评分敏感性分别为0.800和0.834，特异性分别为0.833和0.802。

表1 AI辅助判读HER2 IHC 0和IHC 1+的敏感性和特异性

除了这一项研究之外，我们还进一步探索了在AI辅助下，评估的乳腺癌空心针活检（CNB）标本中的HER2超低表达状态和HER2低表达状态是否能够代表整个肿瘤的HER2状态[3]。我们收集了2021年506例CNB中HER2判读为无表达和低表达的浸润性乳腺癌病例，所有CNB和其配对的手术切除活检（SEB）样本HER2切片均由经过培训的病理专家重新判读；同时所有CNB样本HER2切片使用AI再次判读。

结果发现，基于人工判读结果，CNB和SEB样本HER2状态总体不一致率为22.13%。28.79%(19/66)的样本由CNB中的HER2 IHC无表达/超低表达转变为SEB中的HER2低表达，21.14%(93/440)的样本由CNB中的HER2低表达向SEB中HER2无表达/超低表达转变。人工评分与AI评分间的不一致率为9.49%，基于AI辅助判读的CNB与SEB样本间的HER2状态不一致率为24.11%。21.88%(7/32)的样本由CNB中的HER2超低表达转变为SEB中HER2低表达，24.26%(115/474)的样本从CNB中的HER2低表达转变为SEB中的HER2无表达/超低表达。在HER2低表达CNB样本中，SEB转变为HER2无表达/超低表达者的HER2微弱和不完整细胞膜染色浸润性癌细胞的百分比要低于未转变者（p<0.001）。

图1 人工及AI分别评估的CNB和SEB样本中HER2表达状态

医脉通：您认为这两项研究最大的意义是什么？能为病理医师带来怎样的启示呢？

杨文涛 教授

数字病理结合AI辅助诊断是近年来病理学领域的研究热点之一，其中全切片扫描图像（WSI）因具有全切片可视化和高分辨率的特点，成为了目前最常使用的图像处理技术。基于WSI技术开发的AI工具可以快速处理、分析大量病理图像数据，辅助病理医生进行更高效、更准确的诊断。

从PATH研究结果可以看到，AI在HER2 IHC 0和1+的识别上具有巨大潜力，可辅助病理医生提高对HER2低表达诊断的准确性，有助于提升诊断结果的标准化和可重复性。第二项研究中，在AI的定量分析下，我们发现CNB中检出的HER2低表达或超低表达状态可能会由于肿瘤内异质性而在SEB样本中发生改变，提示了在手术切除标本中重新检测HER2的重要性。由此可见，AI在乳腺病理诊断领域中大有可为，利用AI进行辅助判读，不仅能提高病理医生的诊断效率和准确性，也能帮助我们对一些未解决问题进行更精准的深入探索。

在我们的研究中，AI对于IHC 0和1+的辅助判读准确性值得称赞。相比之下，AI与人工判读在IHC 2+病例间的一致性明显较低，河北四院病理科刘月平教授团队的研究也发现了类似的情况[4]。这一方面可能归因于IHC 2+评估标准本身在实际应用中的各种影响因素较多；另一方面，在于AI背后的算法是基于特定实验室染色参数设计和验证的，开发方参照的染色条件在不同实验室中略有不同，这可能会影响算法对染色结果的识别能力[5]。

无论如何，随着检测流程规范化和判读标准精细化，AI辅助诊断的准确性必将进一步提高，我们期待未来其在乳腺癌精准诊疗领域能够有更多的研究及应用进展。

医脉通：众所周知，HER2低表达的诊断不仅需要严谨的判读，规范检测更是重要的前提条件。例如，在IHC染色中采用不同的抗HER2抗体将影响最终的染色结果，不过即使采用同一种抗体，也可能会由于染色参数设置的不同导致结果间有所差异。能否请您分享一下这次USCAP会议中您团队的相关发现？

杨文涛 教授

这是一项基于质控活动的多中心研究，我们选取了6例乳腺癌样本，经6个中心染色环评和10位专家判读后，确定了其评分[6]。随后，我们将来自这6个病例的同一组白片送往19个机构进行IHC染色，所有实验室均采用PATHWAY 4B5抗HER2抗体和BenchMark平台检测。我们发现各机构的脱蜡温度、抗原修复时间和一抗孵育时间等参数并不完全相同，染色后每个病例中的细胞膜染色阳性百分比、染色强度也有一定的差异。下图中病例3和5不同机构染色后的HER2 IHC 一致性分别为78.95%和68.42%，且出现了同一病例的同一套白片经染色后结果分别为0和1+的差异。

图2 来自19个机构染色的6个病例的HER2 IHC评分情况

因此，在实际临床工作中，IHC染色的标准化、规范化对提高HER2 IHC检测结果的准确性，确保患者获得合适的治疗至关重要。对于像4B5这样作为伴随诊断的抗体，检测过程中具体参数的差异也会影响到最终的检测结果。而对于其它克隆号的抗体，与标准试剂及实验条件的对比验证更为至关重要。

医脉通：非常感谢您的分享。相信这一结果对于HER2检测的操作实践会有很好的参考借鉴价值。当然，我们也知道乳腺癌HER2 IHC检测涉及非常多的步骤，只加强检测中的操作规范是远远不够的，许多其它因素的改变也会影响最终的染色结果。除了以上研究，您的团队是否还有其它的探索计划或发现呢？

杨文涛 教授

是的，我们今年在USCAP大会上还报告了一项冷缺血时间（CIT）对浸润性乳腺癌中HER2 IHC判读影响的前瞻性定量评估研究[7]。此项研究显示与取样后及时固定（离体0.5h）相比，CIT为4h、8h和24h的样本中细胞膜染色率有明显的下降趋势（p=0.0477，p=0.0087，p=0.0001）。说明延迟固定对浸润性乳腺癌中HER2表达的IHC评价有不利影响，特别是对于HER2低表达病例，小幅度的百分比降低就可能会改变最终的判读结果和治疗选择。

图3 HER2表达随着CIT延长的变化情况

因此我们也再次强调临床和病理的协作，务必保证浸润性乳腺癌标本及时、充分的固定，避免因CIT延长造成HER2 IHC的结果偏移，影响患者最终的诊断和治疗。

医脉通：在肿瘤中基因型决定了表型，而基因突变往往导致肿瘤具有区别于野生型的临床病理特征和分子特征。您和您的团队在本次USCAP大会上还公布了一项HER2突变浸润性小叶癌（ILC）临床病理和分子特征的研究，您能为我们的读者做一下解读吗？

杨文涛 教授

与非特殊类型浸润性乳腺癌（IBC-NST）相比，ILC患者中的HER2突变率较高，为深入探索此类患者的临床病理和分子特征，我们开展了这项回顾性研究[8]。该研究共纳入106例ILC以及3208例IBC-NST患者，相比于IBC-NST中3.4%的HER2突变率，ILC中HER2突变比例更高，为12.26%。HER2突变ILC患者的年龄更大，淋巴结转移更常见，ki-67指数也比HER2野生型更高；在分子亚型上，HER2突变ILC中更多为三阴性亚型和Luminal B亚型。

从分子特征来看，HER2突变型ILC患者最常见的突变基因是CDH1，PIK3CA ，ERBB3和TP53等。在HER2突变热点分布上，IBC-NST与ILC有明显不同，前者的HER2突变均匀分布于胞外结构域（ECD）和酪氨酸激酶结构域（TKD），后者的则集中在TKD；二者不同突变位点的发生率亦有不同，其中大多数HER2突变已被鉴定为致癌突变，可能成为将来的治疗靶点。该结果为我们进一步理解HER2突变型ILC的生物学特征，指导患者治疗策略具有重要的临床意义。

图4 13例HER2突变型ILC病例的分子特征

小结

随着病理检测实践的持续规范化和更多新技术的发展，乳腺癌诊疗正在变得日益精细。在精准化时代，确保病理诊断结果的准确性与可重复性，既是乳腺癌患者和临床医生的需求，更是病理工作者的不断追求。相信在广大病理人的努力下，未来乳腺癌病理诊断将会更加规范、精准，为乳腺癌患者的个体化治疗提供更多指导。

除了以 上研究外，复旦大学附属肿瘤医院乳腺病理团队在本次USCAP大会上还有多项成果展示，汇总如下：

表2 复旦大学附属肿瘤医院乳腺病理团队在USCAP大会上的其它成果展示

参考文献

[1] Lv H, et al. Prevalence of HER2-low and IHC>0 to<1+in breast cancer and its concordance between historical and rescored results:a multi-cencer,retrospective study in China. 2023 SABCS: Poster PO4-26-08.

[2] Lv H, et al. Interobserver Agreement in HER2 IHC 0 and IHC1+ in Breast Cancer and its Concordance with HER2 AI Solution: A retrospective multi-institutional study from 10 centers in China. 2024 USCAP: Abstract #184.

[3] Li M et al. Artificial Intelligence Assisted Assessment of HER2-ultralow and HER2-low Immunohistochemical Scoring in Breast Cancer Core Needle Biopsy Specimens. 2024 USCAP: Abstract #178.

[4] Yue M, Liu Y, et al. Can AI-assisted microscope facilitate breast HER2 interpretation? A multi-institutional ring study. Virchows Arch. 2021 Sep;479(3):443-449.

[5] Palm C, et al. Determining HER2 Status by Artificial Intelligence: An Investigation of Primary, Metastatic, and HER2 Low Breast Tumors. Diagnostics (Basel). 2023 Jan, 13(1):168.

[6] Zhu P, et al. Impact of Staining Parameters on Final Results in HER2-Low Breast Cancers-a Multi-Institutional Study of 19 Labs Using Pathway 4B5 Assay. 2024 USCAP: Poster #1393.

[7] Yang L, et al. Quantitative Assessment of the Effect of Cold Ischemic Time on Immunohistochemical Evaluation of HER2 Expression in Invasive Breast Carcinoma. 2024 USCAP: Poster #15.

[8] Li M, et al. Clinicopathological and Molecular Characteristics of HER2-mutated Invasive Lobular Carcinoma. 2024 USCAP: Abstract #177.

审批编号：CN-135838

材料由阿斯利康支持，仅供医疗卫生专业人士参考