基于2021指南的ER阳性乳腺癌Ki67精准检测——2022 USCAP乳腺病理前沿进展来袭! Ki67是乳腺癌常用的增殖标记物,2011年国际乳腺癌 Ki67 工作组(IKWG)首次发布了乳腺癌Ki67评估指南,以确定Ki67免疫组化的分析有效性。但美国癌症联合委员会 (American Joint Committee on Cancer,AJCC)等权威指南依然对Ki67免疫组化的分析有效性存在质疑,使它的临床实用性受到了一定的限制。2021年IKWG对此进行了更新并指出,建立规范化的处理流程和评估方法可以有效提高Ki67的分析有效性;在判断早期乳腺癌患者预后方面确实具有临床有效性;其临床实用性仅限于ER阳性HER2阴性且具有良好解剖预后的早期乳腺癌患者,当Ki67增殖指数≤5%或≥30%时,无需进行多基因表达谱的检测。但目前仍存在一些临床实际问题:如何通过人工智能辅助自动化评分系统提高评估的精确度;是否可以通过Ki67或可替代Ki67免疫组化的基因检测确定肿瘤细胞增殖的临床意义;如何确定与临床预后相关性更好的阈值;是否可以通过连续性监测Ki67作为临床试验的早期终点,以确定新的治疗是否有效。 2022年的USCAP乳腺病理有2个以Ki67检测为主要内容的口头发言,分别为来自美国斯隆凯特林癌症纪念中心的Melissa Krystel-Whittemore教授团队的“The Utility of Ki67 Quantification to Triage OncotypeDX Testing in Breast Cancer”和韩国首尔多家研究中心的Hyeon Seok Yang教授团队的“Ki67 Index Regression Using Fully Convolutional Regression Network and Cancer Area Segmentation Network”,分别关注于Ki67免疫组化检测的临床实用性及分析有效性。其它有10个口头发言只是将Ki67作为预测或预后因素之一进行了简要的阐述,主要关注于Ki67检测的临床有效性及临床实用性。 研究团队:美国斯隆·凯特琳纪念肿瘤中心的Melissa Krystel-Whittemore教授团队 这项研究的目的是比较Ki67免疫组化评估和Magee评分(MS)在ER阳性/HER2阴性早期乳腺癌进行OncotypeDX(ODx)检测类选的有效性。 该研究人群包括57例连续性T1-2 、N0-1 ER阳性/HER2阴性浸润性乳腺癌,均进行了ODx检测。使用两种克隆抗体 (MIB和30-9)对手术切除标本的全组织切片进行Ki67免疫组化检测。对每例切片Ki67热点区域进行高倍镜(400X)的观察。3名病理学家和3种图像分析工具分别对Ki67增殖指数进行量化评估。Ki67指数及后续计算均采用上述评估方法。利用Ki67评估结果和临床病理资料计算患者的MS。对基于IKWG指南评估的Ki67指数和MS评分的类选效力进行了比较。利用ODx检测结果作为对照,对MS评分和Ki67指数的敏感性和特异性进行了比较。结果发现:Ki67 MIB和30-9克隆的中位数值分别为15%(范围14-18%)和26%(范围25-30%)。分别根据Ki67 IKWG指南和Magee评分标准对基因组分析进行类选,该队列中51%和75%的病例不建议进行ODx检测。不同克隆抗体Ki67评估指数和MS对ODx检测类选效力的敏感性和特异性分别为:30-9克隆Ki67评估指数的敏感性80%、特异性20%,MS的敏感性75%、特异性100%;MIB克隆Ki67评估指数的敏感性57%、特异性45%,MS的敏感性75%、特异性100%(图1)。 图1 由此该研究团队得出的结论:Ki67 30-9克隆的Ki67指数高于MIB。与IKWG指南Ki67热点评估相比,MS的敏感性和特异性显著更高。Ki67 30-9克隆指数<5%的肿瘤可以很好地预测低ODx RS,然而,两个克隆Ki67指数>30%来预测高ODx RS具有较高的假阳性率。IKWG指南Ki67指数评估的低特异性可能是使用热点而不是全切片评估的结果。进一步比较热点和全切片Ki67评估的优劣性,可以为提高Ki67评估指导ODx检测类选效力提供更多的意见。 2. Ki67 Index Regression Using Fully Convolutional Regression Network and Cancer Area Segmentation Network 研究团队:韩国Deep Bio Inc.等中心的Hyeon Seok Yang(梁玄錫)教授团队 这项研究的目的是提出一种基于深度学习的方法,利用全卷积回归网络 (FCRN)和肿瘤区域分割网络这两种方法自动估计Ki67指数,评估其准确性。 研究的数据集来自乳腺癌切除标本的Ki-67免疫组化染色切片,使用两台显微镜摄像机在40倍物镜下进行图像采集。由有经验的病理学家对阳性(DAB)和阴性(H)肿瘤细胞进行标注,在这些细胞标注的基础上再进行肿瘤区域标注。使用FCRN检测染色细胞,使用DeepLabV3对肿瘤区域进行分割。数据集被分成训练集: 8、调整集: 1和验证集: 1。在训练过程中,进行数据增强(颜色抖动、随机翻转、随机旋转)。采用随机梯度下降(SGD)优化器训练FCRN,初始学习率0.001,均方误差(MSE)损失为200 epoch。DeepLabV3训练使用Adam算法,初始学习率为0.002,BCEWithLogitsLoss,早停法。 研究人员测量了肿瘤区域分割前后的平均绝对误差(MAE)和Ki-67指数的判定系数,结果发现阳性细胞判读的误差从16.36减小到15.43,而阴性细胞判读的误差从38.12降至35.55。在判定系数方面,阳性细胞由0.934提高到0.942,阴性细胞由0.943提高到0.943,而Ki67指数由0.980提高到0.983(图2)。由此研究人员得出结论:通过对肿瘤区域进行自动分割,使Ki-67指数的自动计算更加准确。通过扩展和学习各种类型的数据集,可以提高计算的准确性。 图2 3. 其它主要关注于Ki67检测的临床有效性及临床实用性的研究 美国Montefiore Medical Center的Susan Fineberg教授团队的研究“EZH2 Expression and Response to Neoadjuvant Endocrine Therapy in Estrogen Receptor Positive Invasive Breast Cancer”探讨了EZH2表达与新辅助内分泌治疗(NET)疗效的相关性。对治疗前活检标本和治疗后切除标本进行了Ki67免疫组化检测,并根据国际Ki67工作组指南的全切片加权评分进行评分。根据治疗前活检标本的Ki67增殖指数,分为低风险组(≤30%)及高风险组(>30%)。研究结果表明,高风险组患者穿刺活检标本的EZH2蛋白表达水平与NET耐药相关(图3)。 图3 美国University of Pittsburgh Medical Center的Kanika Goel教授团队的研究“Triple Negative Breast Cancers Not Subjected to Neoadjuvant Chemotherapy: What’s Prognostic and What’s Not?”对139例未接受新辅助治疗的三阴性乳腺癌(TNBC)的临床病理特征与无复发生存率(RFS)及乳腺癌特异性生存率(BCSS)的相关性进行了研究,发现AR阳性表达与更高的RFS相关,但与BCSS无关。AR阳性TNBC的Ki67增值指数较低。 我国复旦大学肿瘤医院杨文涛教授团队的研究“Characterization of Estrogen Receptor Low Positive/Human Epidermal Growth Factor Receptor 2 Negative Breast Cancer ”对ER低表达乳腺癌进行了详细的研究发现,ER低表达/ her2阴性肿瘤的临床病理特征与TNBC肿瘤相似,但组织学分级和Ki67指数明显高于ER>10%/her2阴性肿瘤。FOXC1表达与侵袭性表型显著相关,这一类乳腺癌具有较高的组织学分级(p=0.01)和Ki67指数(p<0.001)(图4)。因此,FOXC1检测可能有助于识别内在分子分型,并在ER低表达/ her2阴性患者的内分泌治疗决策中作为ER检测的补充。 图4 美国Rush University Medical Center 的Mamoor Latef教授团队的研究“ Correlation of Axillary Nodal Metastasis with Tubular Morphology in Invasive Breast Carcinoma”发现,单纯浸润性管状癌 (PITC)的淋巴结转移率(LNM)低于具有管状特征的浸润性导管癌(IDCTF,管状形态<90%)和1级浸润性非特殊性癌(IDC, NST),但无显著性差异。影响LNM的最重要因素是肿瘤分期,≥5 mm肿瘤LNM较高。包括Ki67在内的预后标志物与LNM无关。 我国河北医科大学第四医院刘月平教授团队的研究“Development and Validation of an Artificial Intelligence Model for Predicting the Status of ER Low-Positive Breast Cancer”利用人工智能提取浸润性癌细胞的形态特征,结合患者的临床病理特征,基于朴素贝叶斯分类算法,建立ER表达状态预测模型。研究结果发现,在ER低表达乳腺癌中,高组织学分级和Ki67高表达的患者更有可能出现阴性预测结果,无法从内分泌治疗中获益,预后较差(图5)。 图5 法国Gustave Roussy, Cancer Campus的Charlie Saillard及Ingrid Garberis教授团队的研究“ Explainable Deep Learning Predicts Molecular Subtypes and Improves Risk of Relapse Assessment from Invasive Breast Cancer Histological Slides”旨在开发可解释的深度学习(Deep Learning, DL)模型,能够利用HE染色的全数字切片图像(1)预测肿瘤的免疫表型以及(2)结合临床数据预测肿瘤的远期复发。结果发现,DL模型能够预测免疫表型,ER的AUROC为0.90,PR为0.76,HER2为0.89,Ki67为0.85。 以上是2022年的USCAP乳腺病理Ki67检测方面研究的简要介绍,这些研究结果表明Ki67在判断早期乳腺癌预后方面具有临床有效性,但是Ki67的临床实用性比较有限,对于其它预期用途,目前没有足够的高水平证据支持其常规使用。包括Ki67在内的多参数模型有助于扩展其临床实用性。应用人工智能自动化评分系统可以提高Ki67评估的分析有效性。在确保Ki67分析有效性的前提下开展有关其临床实用性的研究大有可为。 作者简介 刘毅强 北京大学肿瘤医院病理科 科副主任,副主任医师,医学博士 CSCO肾癌专家委员会委员 中华医学会病理学分会第十三届乳腺疾病学组委员 中国研究型医院学会分子诊断医学专业委员会常务委员 中国医药教育协会乳腺疾病专业委员会乳腺癌多学科诊疗学组委员 中国医药教育协会骨与软组织肿瘤专业委员会委员 北京医学会病理学分会第十届委员会乳腺病理学组委员 北京医学会病理学分会第二届青年委员会委员 江海峰 宁夏医科大学总医院病理科,主治医师,医学博士 宁夏抗癌协会青年理事会理事 周玮玮 河北沧州市中心医院病理科 副主任医师 硕士研究生 北京癌症防治学会乳腺癌个体化诊疗及MDT专业委员会委员 河北预防医学会医学产学研协同发展促进分会委员 河北省沧州市肿瘤防治联合会肿瘤放射治疗分会委员 河北省沧州市女医师协会乳腺疾病专委会主委 |
|
来自: remember草木 > 《乳腺》