该文章来自NEJM期刊荟萃（NEJM Journal Watch）
Artificial Intelligence to Assess Hormonal Status of Breast Cancer Patients
通过人工智能评估乳腺癌患者的激素状态
William J. Gradishar, MD
机器学习技术在预测分子生物标志物表达方面并不劣于常规免疫组化方法。
肿瘤样本的病理检查相当耗时，即使是雌激素受体（ER）、孕酮受体（PR）和人表皮生长因子受体2（HER2）等常见的分子生物标志物也是如此。此外，不同病理科医师对样本做出的解读有时并不一致。例如，据估计，在中央实验室和当地病理学实验室之间，ER评估结果的差异高达19%。
人工智能（AI）和机器学习技术目前正被用于解决上述差异，以及提高可靠性和效率。目前，这一技术可以鉴别癌组织和非癌组织、确定是否有淋巴结转移以及进行肿瘤分级。
如今，研究者开展了一项回顾性的单机构研究，他们从包含5,000多例乳腺癌患者的微阵列样本库中选取了20,000多份苏木精-伊红（H&E）染色的数字化病理学标本，并通过这些标本测试了机器学习技术（称为基于形态学的分子表达谱分析）对激素状态的评估能力。
研究发现组织学和生物标志物与评估的全部19种生物标志物均显著相关，其中包括最具有临床意义的ER、PR和HER2。机器学习技术能够预测大约一半患者的生物标志物表达，并且在两个验证队列中，与免疫组化（IHC）相比，机器学习技术具有非劣效性，阳性预测值分别为97%和98%。此外，对于常规IHC判定的ER阴性/PR阳性乳腺癌患者，机器学习技术揭示了与ER阳性乳腺癌患者的相似性，因而提示IHC结果为假阴性，并且部分ER阴性/PR阳性患者可能受益于内分泌治疗。
评论
AI和机器学习是新兴技术，目前正在现代生活的许多方面找到其发挥作用的地方，其中也包括医学领域。这些数据是研究者首次尝试应用训练集来评估上述技术在标本病理检查中的效用。机器学习目前尚不能占据主导地位，但随着我们累积更多的经验和数据，机器学习可能在患者治疗中成为临床医师的合作伙伴。引文
Shamai G et al. Artificial intelligence algorithms to assess hormonal status from tissue microarrays in patients with breast cancer. JAMA Netw Open 2019 Jul 26; 2:e197700. (https://doi.org/10.1001/jamanetworkopen.2019.7700)NEJM期刊荟萃
NEJM期刊荟萃（NEJM Journal Watch）由NEJM集团出版，请国际著名医生评论医学领域重要论文，帮助医生了解和运用最新进展。《NEJM医学前沿》每周翻译数篇，发布于app和官网，并精选2-3篇在微信发布。
版权信息
本文由《NEJM医学前沿》编辑部负责翻译、编写或约稿。对于源自NEJM集团旗下英文产品的翻译和编写文章，内容请以英文原版为准。中译全文以及所含图表等，由马萨诸塞州医学会NEJM集团独家授权。如需转载，请联系nejmqianyan@nejmqianyan.cn。未经授权的翻译是侵权行为，版权方保留追究法律责任的权利。
点击“阅读原文” 获取NEJM Journal Watch全文
