دورانی تازه در تشخیص سرطان پستان با HER2 کم‌بیان به کمک هوش مصنوعی

در سرطان پستان، میزان بیان پروتئین HER2 نقشی اساسی در تعیین درمان‌های هدفمندی دارد که بیمار می‌تواند از آن‌ها بهره ببرد. بسیاری از بیمارانی که در گذشته «HER2 منفی» طبقه‌بندی می‌شدند، در واقع بیان کم یا بسیار کم HER2 داشتند؛ این موضوع نشان می‌دهد که ممکن است از درمان‌های کونژوگهٔ پادتن‌ـ‌دارو، مانند Enhertu که در سال‌های اخیر توسعه یافته‌اند، سود ببرند. اما شناسایی این تفاوت‌ها با روش‌های متعارف پاتولوژی همیشه ممکن نیست.

نشست سالانهٔ ASCO 2025 میزبان چکیدهٔ شمارهٔ 1014 از پژوهشی تازه، بین‌المللی و چندمرکزی بود که نشان می‌دهد با پشتیبانی هوش مصنوعی (YZ) ، دقت طبقه‌بندی HER2 به‌طور چشمگیری افزایش می‌یابد. هوش مصنوعی به‌ویژه در شناسایی درست گروه‌های HER2 کم‌بیان و HER2 بسیار کم‌بیان تفاوتی اساسی ایجاد می‌کند.

خلاصهٔ مطالعه: دورانی تازه در تشخیص

این مطالعه با مشارکت 105 پاتولوژیست از 10 کشور، از طریق بستر آموزش دیجیتال ComPath Academy انجام شد. شرکت‌کنندگان برای امتیازدهی ایمونوهیستوشیمی HER2 (IHK)، افزون بر راهنمای ASCO/CAP سال 2023 ، زیرگروه‌های «HER2 بسیار کم‌بیان» (IHK 0، با رنگ‌گیری غشا) و «HER2-null» (IHK 0، بدون رنگ‌گیری غشا) را نیز به کار بردند و 20 مورد دیجیتال سرطان پستان را ارزیابی کردند.

سامانهٔ هوش مصنوعی مورد استفاده: زیرساخت ComPath Academy و Mindpeak

زیرساخت هوش مصنوعی این مطالعه در بستری ادغام شده است که توسط Mindpeak GmbH مستقر در آلمان توسعه یافته و به‌طور ویژه برای آموزش پاتولوژی دیجیتال طراحی شده است. این بستر، ComPath Academy نام دارد و برای پشتیبانی تصمیم‌گیری موردبه‌مورد پاتولوژیست‌ها سازمان‌دهی شده است؛ هدف آن افزایش دقت امتیازدهی IHK برای HER2 در موارد سرطان پستان بوده است.

اگرچه نام فنی الگوریتم مورد استفاده (مانند CNN یا Transformer) مستقیماً بیان نشده است، از ساختار مطالعه ویژگی‌های فنی زیر برداشت می‌شود:

• یک الگوریتم یادگیری ماشین مبتنی بر طبقه‌بندی تصویر به کار رفته است.

• مدل با تحلیل در سطح سلول توموری آموزش دیده تا رنگ‌گیری غشای تک‌تک سلول‌ها را شناسایی کند.

• تمرکز آن به‌ویژه بر تمایز دسته‌های مرزی مانند IHK 0, HER2 کم‌بیان  و HER2 بسیار کم‌بیان  بوده است.

• در خروجی‌های هوش مصنوعی، توضیح‌پذیری (explainability) فراهم شده است؛ این نشان می‌دهد که به احتمال زیاد، لایه‌های نمایش بصری (مانند نقشهٔ حرارتی یا نقشهٔ توجه) در سامانهٔ پشتیبان تصمیم ادغام شده‌اند.

Mindpeak GmbH شرکتی پیشرو در توسعهٔ کاربردهای هوش مصنوعی در پاتولوژی دیجیتال است. این شرکت برای حوزه‌هایی مانند سرطان پستان، ریه و پروستات، راهکارهایی ارائه می‌کند که امتیازدهی IHK را خودکار می‌کنند و بر یادگیری عمیق متکی‌اند. این الگوریتم‌ها اغلب بر پایهٔ شبکه‌های عصبی کانولوشنی (CNN) هستند.

در نتیجه، سامانهٔ هوش مصنوعی مورد استفاده در این مطالعه، نرم‌افزار تحلیل تصویر مبتنی بر CNN است که به‌طور ویژه برای ارزیابی ایمونوهیستوشیمی HER2 (IHK) آموزش دیده است. با ادغام در بستر آموزش دیجیتال، توانسته هم دقت تشخیص و هم توافق بین پاتولوژیست‌ها را افزایش دهد.

🔍 پشتیبانی هوش مصنوعی چه چیزی را تغییر داد؟

• در دو ارزیابی نخست، بدون کمک هوش مصنوعی ، میزان دقت: %89.1

• در ارزیابی سوم، با کمک هوش مصنوعی ، میزان دقت: %96.1

• ضریب توافق بین پاتولوژیست‌ها (concordance):

  • بدون هوش مصنوعی: 0.506

  • با هوش مصنوعی: 0.798

• میزان طبقه‌بندی درست بر اساس گروه بالینی:

  • بدون هوش مصنوعی: %90.1

  • با هوش مصنوعی: %95.0

• طبقه‌بندی اشتباه موارد HER2 کم‌بیان یا HER2 بسیار کم‌بیان در گروه HER2-null:

  • با کمک هوش مصنوعی %24.4 کاهش یافت

این اعداد نشان می‌دهند که هوش مصنوعی نه‌تنها کیفیت تشخیص را بهتر می‌کند، بلکه خطاهای تشخیصیِ تعیین‌کنندهٔ دسترسی به درمان را نیز به‌طور چشمگیری کاهش می‌دهد.

چرا این‌قدر مهم است؟

سرطان‌های پستان با بیان کم HER2، راه را برای درمان‌های تازه و امیدبخش در هزاران بیماری باز می‌کنند که پیش‌تر فرصت درمان نداشتند. اما این ظرفیت تنها زمانی محقق می‌شود که تشخیص درست باشد.

حدود %65 تومورهایی که HER2 منفی نامیده می‌شوند، در واقع مقداری بیان HER2 دارند و اکنون به‌عنوان HER2 کم‌بیان یا HER2 بسیار کم‌بیان طبقه‌بندی می‌شوند. این بیماران ممکن است از داروهای هدفمند HER2 سود ببرند؛ اما تشخیص درست ضروری است. این مطالعه برای نخستین بار با داده‌های چندمرکزی نشان می‌دهد که هوش مصنوعی ظرفیت پر کردن این فاصلهٔ تشخیصی را دارد.

تفسیر

دقت امتیازدهی HER2 به دریافت بهترین درمان توسط بیماران کمک می‌کند. این مطالعه نشان می‌دهد رویکرد مبتنی بر هوش مصنوعی علاوه بر افزایش دقت تشخیص، در موقعیت‌هایی که مستقیماً بر تصمیم درمانی اثر می‌گذارند نیز سودمند است. هوش مصنوعی برای جایگزینی پزشک نیست؛ بلکه کمک می‌کند هوشمندانه‌تر و سریع‌تر کار کنیم و مراقبت شخصی‌سازی‌شده و باکیفیت ارائه دهیم.

نتیجه‌گیری: امید برای زنان بیشتر با هوش مصنوعی

این مطالعه بار دیگر نشان می‌دهد که تعیین وضعیت HER2 در سرطان پستان چقدر پیچیده و برای تصمیم‌های درمانی حیاتی است. هوش مصنوعی از ابزاری صرفاً صرفه‌جو در زمان، به پشتیبانی نجات‌بخش تبدیل می‌شود. مانند هر فناوری تازه، اگر درست به کار رود، فواید مشخصی برای کار بالینی دارد.

آیندهٔ سرطان پستان به جهانی می‌رود که در آن نه‌تنها سلول‌ها، بلکه داده‌ها نیز زیر میکروسکوپ قرار می‌گیرند. با سامانه‌های تشخیص مبتنی بر هوش مصنوعی، بیماران بیشتری می‌توانند در زمان مناسب به درمان درست دسترسی پیدا کنند.