基于新型AI检测优化绝经前淋巴结阳性HR+/HER2-乳腺癌的分层

《Clinical Breast Cancer》：Refining stratification in premenopausal node-positive HR+/HER2- breast cancer with a novel AI-based test

　　

背景：基因组检测（genomic assays）被认为是绝经后乳腺癌患者分层和化疗获益预测的标准治疗。然而，临床试验表明，这些工具对绝经前女性效用有限，尤其是在考虑淋巴结阳性病例的化疗降级时。在此，研究人员评估了Ataraxis Breast RISK（ATX），一种整合组织病理学图像和临床数据的人工智能（artificial intelligence, AI）检测，用于复发风险分层，并与临床批准的基因组检测进行探索性比较。
方法：对222例诊断为淋巴结阳性疾病的HR阳性/HER2阴性（HR⁺/HER2^-）绝经前患者生成ATX评分。使用预先确定的截断值将患者分为ATX高风险和低风险组。对43例同时具有ATX和基因组检测评分的患者子集进行了探索性分析。本研究的主要终点是无复发生存期（recurrence-free interval, RFI）。
结果：ATX的合并C指数（C-index）为0.75，5年时间依赖性AUC为0.63，在222例患者队列中表现出良好的区分能力。ATX将患者分为高风险（n=166, 75%）和低风险（n=56, 25%）组，Kaplan-Meier估计的RFI有显著差异（p=0.04）。高风险患者的5年复发率是低风险患者的两倍以上（17% vs 7%）。相比之下，基因组风险组的复发率相似（17% vs 14%）。
结论：ATX编码了绝经前淋巴结阳性乳腺癌患者有意义的预后信息，并可能识别基因组检测未捕获的复发风险升高的患者。

### 论文解读：基于新型AI检测优化绝经前淋巴结阳性HR⁺/HER2^-乳腺癌的分层

#### 研究背景与问题
精准医学在早期乳腺癌治疗中日益重要，基因组检测（如Oncotype DX）已成为绝经后淋巴结阳性激素受体阳性（HR⁺）/人表皮生长因子受体2阴性（HER2^-）乳腺癌患者风险分层和化疗获益预测的标准工具。然而，在绝经前患者中，这些检测的效用有限。例如，RxPONDER试验表明，Oncotype DX能指导绝经后患者避免化疗，但对绝经前患者，化疗的获益可能部分源于卵巢抑制效应而非直接细胞毒作用，导致难以区分哪些患者真正需要治疗升级。此外，约三分之一的HR⁺/HER2^-乳腺癌患者初诊时即为淋巴结阳性，其复发风险更高，而现有基因组检测在绝经前淋巴结阳性人群中的预后能力不足。因此，临床亟需新的预后工具来识别高风险和低风险患者，以优化个体化治疗决策。本研究旨在评估一种基于人工智能（artificial intelligence, AI）的检测——Ataraxis Breast RISK（ATX）——在绝经前淋巴结阳性HR⁺/HER2^-乳腺癌中的复发风险分层能力，并与临床批准的基因组检测进行探索性比较。该研究成果发表于《Clinical Breast Cancer》。

#### 主要关键技术方法
研究人员从六个独立机构（TCGA、Providence Health、Basel、Karmanos、RGCIRC、Dordt）收集了222例绝经前淋巴结阳性HR⁺/HER2^-乳腺癌患者的H&E染色组织学图像和完整临床信息。其中43例患者同时有Oncotype DX评分可用。ATX检测整合了临床数据（年龄、肿瘤分期、淋巴结分期、雌激素受体状态、孕激素受体状态、HER2状态、组织学亚型）和基于视觉变换器（vision transformer）的Kestrel模型提取的组织形态学特征，该模型在超过4亿张病理图像上训练，直接预测5年内复发的概率。主要终点为无复发生存期（recurrence-free interval, RFI）。研究使用Harrell's一致性指数（C-index）、时间依赖性受试者工作特征曲线下面积（AUC）、Kaplan-Meier曲线、对数秩检验和多变量Cox比例风险模型评估预后性能，并通过随机效应模型合并各队列结果。

#### 研究结果
**ATX is consistently prognostic across datasets**
通过计算各队列的C-index并采用随机效应模型合并，ATX在222例患者中表现出良好的区分能力：合并C-index为0.75（95% CI: 0.56-0.88），5年时间依赖性AUC为0.63（95% CI: 0.50-0.81）。各队列的C-index均大于0.5，表明ATX在多个数据集中具有一致的预后价值。

**ATX stratifies recurrence risk in premenopausal node-positive patients**
使用10%复发风险阈值将患者分为高风险（n=166, 75%）和低风险（n=56, 25%）组。Kaplan-Meier估计显示，高风险组的无复发生存期显著劣于低风险组（对数秩检验p=0.04）。高风险组5年复发率为17%，低风险组为7%（风险比>2）。多变量Cox回归模型（校正肿瘤分期、分级、诊断年龄及治疗状态）显示，ATX评分每增加一个标准差，复发风险比（HR）为1.65（95% CI: 1.15-2.35, p=0.006），独立于传统临床因素。此外，ATX低风险组在5年后无复发事件，而高风险组持续出现晚期复发事件（10年RFI为68% vs 90%）。

**Comparative prognostic performance of ATX and the 21-gene recurrence score**
在43例配对患者子集中，ATX的C-index（0.69, 95% CI: 0.24-0.94）数值上高于Oncotype DX（0.53, 95% CI: 0.14-0.88）。两评分之间无显著相关性（r=0.28, p=0.06）。在风险分组上，14例患者被两种方法一致归类为低风险，6例为高风险，但23例患者被Oncotype DX评为低风险而ATX评为高风险（不一致组）。

**Recurrence outcomes in discordant risk groups**
在不一致组中（Oncotype DX低风险但ATX高风险），5年复发率为17%（4/23），与ATX高风险合并组（17%）一致。而Oncotype DX高和低风险组的复发率分别为17%和14%，无明显差异。所有复发事件中，4例发生在不一致组，表明ATX可能识别出基因组检测遗漏的高风险患者。

#### 讨论与结论
讨论部分指出，研究结果与SWOG 8814和RxPONDER试验的观察一致，即Oncotype DX在绝经前患者中无法有效分层复发风险。ATX通过整合组织学图像中的形态学和微环境特征，可能捕获超越转录组学检测的生物信号，从而提供独立于传统临床因素的预后信息。然而，研究存在局限性：样本量较小导致统计效力不足；事件数少使得置信区间宽；为回顾性设计；缺乏病因特异性死亡数据；治疗信息有限。未来需通过前瞻性验证研究确认ATX的临床效用，并开展可解释性研究明确其生物学基础。
结论部分翻译如下：总之，本研究结果强调了大规模、基于图像的人工智能检测在乳腺癌中的应用潜力。Ataraxis Breast RISK在来自多个数据集的绝经前淋巴结阳性乳腺癌患者中展示了有前景的独立预后性能。通过直接从常规收集的病理切片进行风险评估，ATX提供了一种可扩展且可及性高的分子检测替代方案，并可能帮助优化该患者群体的辅助化疗决策。重要的是，ATX在风险分层两端均有改善，既识别出基因组检测未发现的残留复发风险的绝经前淋巴结阳性HR⁺/HER2^-早期乳腺癌患者，也识别出一小部分预后极佳、可能适合降阶梯治疗的患者。