基于深度学习的胃癌HER2状态的病理图像自动评估与靶向治疗指导研究综述.docVIP

基于深度学习的胃癌HER2状态的病理图像自动评估与靶向治疗指导研究综述

1胃癌HER2检测的临床背景与现存挑战

胃癌是全球范围内发病率第五、死亡率第四的恶性肿瘤，2025年全球新发病例超130万，东亚地区占比接近60%，其中我国每年新发胃癌病例超过48万，占全球新发总数的37%。人表皮生长因子受体2（HER2）作为胃癌最重要的生物标志物之一，其表达状态直接决定靶向治疗方案的选择：针对HER2阳性的进展期胃癌患者，曲妥珠单抗联合化疗可将总生存期从11.8个月延长至16.0个月，死亡风险降低31%，是目前HER2阳性晚期胃癌的一线标准治疗方案。

临床常规HER2检测流程采用免疫组化（IHC）初筛结合原位杂交（ISH）确认的模式：IHC结果为3+直接判定为HER2阳性，IHC0/1+判定为阴性，IHC2+则需进一步通过ISH检测基因扩增状态最终确认。该流程在临床实践中存在多维度的局限性：首先是评估主观性强，不同病理医师对HER2染色强度、阳性细胞比例的判读一致性仅为65%-75%，尤其是针对IHC2+的交界性病例，观察者间差异可高达30%，基层医院病理科因经验不足导致的判读误差率更高达40%；其次是效率低下，单张病理切片人工判读平均耗时10-15分钟，大型病理科日均胃癌标本量可达上百例，病理医师负荷过重导致报告周期延长至3-5个工作日，部分患者因此错失最佳治疗窗口；此外，人工评估