深度学习驱动的全玻片图像预测乳腺癌HER2低表达作为新型靶向偶联药物纳入标准趋势.docxVIP

PAGE2

深度学习驱动的全玻片图像预测乳腺癌HER2低表达作为新型靶向偶联药物纳入标准趋势

摘要

本报告聚焦2026至2030年期间，数字病理人工智能（AI）在全玻片图像（WSI）中精准量化人表皮生长因子受体2（HER2）表达、并以此指导新一代抗体药物偶联物（ADC）治疗人群筛选的趋势。研究范围涵盖数字病理AI技术演进、HER2检测标准重构、ADC药物临床应用扩展以及伴随诊断监管变革。

核心趋势判断指出，深度学习驱动的WSI分析将把HER2状态从定性判读推向连续变量定量，使“HER2低表达”分界更加精细和可重复，从而将ADC获益人群从当前的约45%–55%乳腺癌患者进一步扩大至既往被判定为“HER2零表达”的群体。预测到2030年，全球数字病理AI在HER2检测中的渗透率将超过40%，对应的伴随诊断市场将超过12亿美元，而基于AI定量标准筛选的ADC药物市场规模有望突破260亿美元。

报告首先概述研究背景与方法，随后从宏观环境、行业现状切入，系统识别高确定性与高不确定性趋势，并构建趋势演进时间线。进而通过多维量化预测与场景推演，呈现基准、乐观和悲观三种发展路径，最后评估趋势对产业链和细分市场的影响，并提出战略建议。摘要旨在让读者仅凭文本即可把握全文核心逻辑与关键预测。

第一章报告概述

1.1研究背景与目标

当前乳腺癌诊疗正处于关键转折点。以德曲妥珠单抗（T-DXd）为代