KI‑gestützte HER2‑Analyse verbessert Vorhersage bei Brustkrebs

Hintergrund

Die HER2‑gerichteten Therapien haben die Behandlung von Brustkrebs grundlegend verändert. Gleichzeitig besteht ein hoher Bedarf an standardisierten Testverfahren, weil die herkömmliche immunhistochemische (IHC) Bewertung stark von subjektiven Einschätzungen abhängt.

Methodik

Forscher setzten den KI‑basierten HER2‑Analyzer Lunit SCOPE HER2 (Lunit Inc., Seoul, Südkorea) ein und ließen drei Pathologen dieselben Ganz‑Slide‑Bilder unabhängig voneinander beurteilen. Die ermittelten Anteile von HER2‑3+‑Tumorzellen wurden anschließend mittels logistischer Regression und Receiver‑Operating‑Characteristic‑Kurven (ROC) auf ihre Vorhersagekraft für Fluoreszenz‑in‑Situ‑Hybridisierung (FISH)‑Positivität und pathologische Komplettremission (pCR) geprüft.

Ergebnisse

Die von der KI ermittelten HER2‑3+‑Anteile korrelierten stark mit der FISH‑Positivität (AUC = 0.783) und den pCR‑Raten (Odds Ratio = 1.003–1.052). Im Vergleich dazu erzielten die Pathologen niedrigere AUC‑Werte und schwächere Odds Ratios.

Kombinierte Analyse

Wurde die KI‑Bewertung zu den Pathologen‑Ergebnissen hinzugefügt, stieg die Vorhersagegenauigkeit für FISH‑Positivität von AUC = 0.712–0.813 auf AUC = 0.790–0.821. Der mediane Odds Ratio für die pCR‑Vorhersage verbesserte sich von 0.996–1.061 auf 1.003–1.055.

Bedeutung

Die Resultate deuten darauf hin, dass KI‑Unterstützung die Bestimmung des HER2‑Status sowie die Vorhersage des Therapieansprechens präziser machen kann und damit die herkömmliche pathologische Bewertung ergänzen könnte.

Zukünftige Schritte

Die Autoren betonen, dass weitere Studien mit größeren Kohorten nötig sind, um die Robustheit der KI‑Methodik zu bestätigen und mögliche Integrationswege in klinische Arbeitsabläufe zu evaluieren.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.