随着DESTINY-Breast06（DB-06）研究结果的公布，T-DXd将治疗获益扩展至HER2超低表达人群，病理判读的敏感性与一致性成为临床决策的关键瓶颈。2026年ASCO大会上公布一项研究（摘要号：1022），对比了人工评分与独立的计算病理学（CPa）工具在HER2 IHC评分中的应用情况。该研究通过比较人工评分共识与4种计算病理工具在600例样本中的判读表现，揭示了AI在捕捉微弱染色信号、减少漏判方面的独特优势与现阶段不足。基于此，肿瘤瞭望特邀北京大学肿瘤医院梁旭教授，深入解读AI辅助判读的临床价值，并剖析检测与治疗双重革新在中国真正落地所需跨越的鸿沟。
编者按：随着DESTINY-Breast06（DB-06）研究结果的公布，T-DXd将治疗获益扩展至HER2超低表达人群，病理判读的敏感性与一致性成为临床决策的关键瓶颈。2026年ASCO大会上公布一项研究（摘要号：1022），对比了人工评分与独立的计算病理学（CPa）工具在HER2 IHC评分中的应用情况。该研究通过比较人工评分共识与4种计算病理工具在600例样本中的判读表现，揭示了AI在捕捉微弱染色信号、减少漏判方面的独特优势与现阶段不足。基于此，肿瘤瞭望特邀北京大学肿瘤医院梁旭教授，深入解读AI辅助判读的临床价值，并剖析检测与治疗双重革新在中国真正落地所需跨越的鸿沟。
研究介绍
随着DB-06研究的结果的公布，T-DXd已获批用于HER2低表达（IHC 1+或2+/ISH阴性）或HER2超低表达（IHC 0但存在膜染色）的转移性乳腺癌（mBC）患者治疗[1]，因此，病理医生准确、及时地判读HER2 IHC类别是乳腺癌治疗选择的关键[2]。
尽管已有更新的指南和专家建议旨在提高HER2低表达评分的一致性，但人工HER2 IHC评分仍然耗时且主观[2-4]。乳腺病理学领域的进步使得免疫组化工作流程能够整合CPa工具，这些工具能够为病理学家提供支持，从而提高诊断的准确性并改善评分的一致性，有助于临床决策。这项回顾性、证据生成研究评估了人工评分（真实值）与独立的CPa工具在HER2 IHC评分中的应用情况。
研究对使用PATHWAY HER2（4B5）检测染色的乳腺癌样本的全切片图像（WSI；N=600，使用Aperio AT2 扫描）进行评分，这些样本最初被标记为HER2 IHC 0（n=400）或1+（n=200），然后由3名病理学家重新评分，并使用4种正在开发中的CPa/AI工具进行评分，分别为：IHC 0（无膜染色）、0（≤10%细胞有膜染色）、1+或2+。
根据2023年ASCO/CAP指南，每位病理医师对每张全切片图像进行2次盲法判读；若2次判读不一致，则采用调和后评分。人工共识（手动评分）要求＞2/3一致。通过阳性一致性百分比（PPA）、阴性一致性百分比（NPA）、总一致性百分比（OPA）和Cohen'sκ评估病理医师人工共识与独立CPa评分之间的一致性，并记录阅片时间。
基于人工共识及CPa工具的HER2 IHC再评分
研究结果显示，经3位病理医师手动复核后，在所评估的600张WSI中，586张获得了一致的HER2 IHC评分（共识），其余14张评分不一致，因此被排除在共识分析之外。
图1展示了代表性的HER2 IHC染色WSI，这些图像体现了不同HER2类别之间的再评分情况。
图1. 按共识分类的代表性HER2 IHC全切片图像（放大倍数为20×）
- 在通过人工共识分类的WSI中，有250张2/3位病理医师评估一致（42.7%），3/3位完全一致的有336张（57.3%）。
- 根据人工共识判定，600张WSI中有129张被归类为IHC 0（无膜染色），126张被归类为IHC 0（存在膜染色）。
与手动评分在不同HER2表达类别中的结果相比，4种独立CPa工具生成的HER2 IHC再评分结果存在差异（表1）。
表1. 通过人工评分和CPa工具获得的HER2 IHC重新评分结果
热图展示了人工共识评分与CPa工具在HER2 IHC重新评分上的差异（图2）。通过层次分类可直观显示各样本中CPa工具与人工共识评分之间评分一致的区域。
图2. 人工共识与CPa工具之间一致性的热图
CPa工具与人工共识之间的一致性
人工共识与各CPa工具之间的总体一致性存在差异：总一致性百分比为52.1%-75.4%（图3），Cohen'sκ为0.30-0.61（图4）。
图3. 按样本采集流程分层的人工共识与CPa工具之间的总体（N=586）OPA
图4. 按样本采集流程分层的人工共识与CPa工具之间的总体（N=586）Cohen'sκ
一致性因样本操作类型而异，对于每个CPa工具，活检样本（n=375）与手术切除样本（n=91）之间观察到相当的OPA和Cohen'sκ结果。
与活检及手术切除样本相比，液体抽吸样本（n=62）的总一致性百分比（35.5%-72.6%）和 Cohen'sκ结果（0.18-0.56）较低。
所有CPa工具的阳性百分比一致性（PPA）均持续较高（＞90%），而阴性百分比一致性（NPA）则有所不同，范围为24.0%-79.1%（图5）。
图5.人工共识与CPa工具之间的PPA和NPA（N=586）
人工评分与CPa工具的审阅时间
与人工评分相比，使用CPa工具审阅每张WSI的中位时间更短。在被重新评分为 IHC 0（无膜染色）的病例中，人工评分的平均审查时间最短（5.7分钟），而其他重新评分的情况则为（7.0-7.5分钟）。然而，每个CPa工具内的平均审查时间在HER2 IHC 重新评分中是相当的。
样本采集流程对人工共识的中位审阅时间影响很小，因为病理学家评估了至少14个区域（表2）。在CPa工具中，手术切除样本的中位审阅时间较长，活检样本的中位审阅时间较短。
表2. 按样本采集流程分层的人工共识与CPa工具的中位审阅时间
研究结果提示，将CPa/AI工具整合为病理医师的决策支持辅助手段，可能减少病理医师的阅片时间，并提高观察者间的可重复性，尤其是在识别HER2超低表达方面。对开发中的CPa/AI算法进行改进，有望进一步提升评分效果。
专家点评
DB-06研究证实，与医生选择的化疗相比，T-DXd在PFS方面表现出统计学显著且具有临床意义的改善（ITT人群：13.2个月 vs 8.1个月，HR=0.63；HER2低表达患者：13.2个月 vs 8.1个月，HR=0.62；HER2超低表达患者：13.2个月 vs 8.3个月，HR=0.78）（图6）。此外，T-DXd在ITT、HER2低表达以及HER2超低表达人群中均显示出令人鼓舞的抗肿瘤活性，确认的ORR分别达到57.3%、56.5%、61.8%，总体上近乎化疗组的2倍[6]。基于此，T-DXd获批HER2低表达或超低表达的适应症，也将HER2超低表达人群正式带入临床视野。
图6. DB-06研究根据盲态独立中心审查的PFS（所有人群）
T-DXd的获批使过去被视为HER2阴性的低/超低表达患者获得了靶向治疗机会，这一治疗边界的拓展，直接对病理检测的敏感性和一致性提出了前所未有的高要求。本研究系统比较了人工共识评分与4种开发中的CPa工具在HER2 IHC判读中的表现。数据显示，所有CPa工具的阳性一致性超过90%，展现出AI在识别HER2低表达和超低表达方面的高敏感度，这正是弥补“人眼”短板、大幅减少漏判的关键所在。同时，AI辅助阅片可缩短中位阅片时间，有望优化病理工作流程。
尤其值得关注的是，对于人工判读中存在极大挑战的IHC 0伴微弱膜染色（即超低表达）病例，AI工具凭借对全切片图像的定量分析，能捕捉到人眼易忽略的染色信号。然而，AI阴性一致性百分比较低（范围为24.0%-79.1%），且在不同样本类型间（活检、手术切除样本、液体抽吸）存在差异，也提示现有算法在排除极低信号时仍需精进，临床落地前必须结合真实世界情况加以优化。
DB-06研究定义了HER2超低表达的治疗边界，而国内外共识与指南正在细化判读标准，但“定标准”与“落实践”之间仍存鸿沟。要真正推动检测与治疗的双重革新在中国落地，还需在以下几个方面发力：一是加速推进符合中国乳腺癌人群特征的AI辅助判读系统开发及多中心验证，明确其在HER2低/超低表达分类中的敏感度与特异性，并取得监管认证；二是建立基于AI辅助的标准化判读流程与质量控制体系，以“人工+AI”复合阅片模式减少观察者间差异；三是检测与治疗的高效联动至关重要，病理科不仅需提升判读能力，更要与临床科室建立反馈闭环，使HER2超低表达报告能够直接、清晰地指导治疗决策。此外，还需重视AI产品的注册审批、多中心验证以及卫生经济学评价，方能让中国患者有生存获益。
总而言之，从人眼到AI的跨越，不只是效率的提升，更是检测敏感度的重新定义。当AI帮我们看清既往“看不到”的微弱染色时，我们才能把DB-06研究确立的治疗边界实实在在地落到每一个可能获益的患者身上。这需要病理、临床、人工智能开发者和卫生政策制定者的共同努力，也是中国乳腺癌精准诊疗迈向更高水平的重要契机。
▌参考文献：
[1]、https://www.fda.gov/drugs/resources-information-approved-drugs/fda-approves-fam-trastuzumab-deruxtecan-nxki-unresectable-or-metastatic-hr-positive-her2-low-or-her2#:~:text=On%20January%2027%2C%202025%2C%20the%20Food%20and%20Drug,or%20more%20endocrine%20therapies%20in%20the%20metastatic%20setting.
[2]、Tozobikian G, et al. Histopathology. 2024;85:489-502.
[3]、Tewary S, Mukhopadhyay S. J Digit Imaging. 2021;34:667-677.
[4]、Arruda Navarro Albuquerque D, et al. NPJ Digit Med. 2025;8:144.
[5]、Datwani S, et al. Human Pathol. 2025;162:105819.
[6]、Bardia, Aditya et al. “Trastuzumab Deruxtecan after Endocrine Therapy in Metastatic Breast Cancer.” The New England journal of medicine vol. 391,22 (2024): 2110-2122. doi:10.1056/NEJMoa2407086
梁旭 教授
北京大学肿瘤医院乳腺内科
医学博士，主任医师
中国女医师协会乳腺专业委员会常委
北京医学会乳腺疾病学分会委员
北京乳腺病防治学会内科专业委员会委员
北京乳腺病防治学会肿瘤免疫治疗专业委员会常委
2005年毕业于北京大学人民医院临床医学专业，毕业后在北京大学临床肿瘤学院乳腺内科工作至今，长期从事晚期乳腺癌诊疗工作。并分别于日本东京癌症中心和法国居里研究所访学，从事乳腺癌相关转化医学研究。主要研究方向及工作重点为晚期乳腺癌规范化治疗和个体化治疗，作为主要协助者完成十余项国际、国内多中心晚期乳腺癌临床研究工作，在核心期刊和SCI收录期刊上发表论文十余篇。