Deep learning on histopathological images to predict breast cancer recurrence risk and chemotherapy benefit: a multicentre, model development and validation study

激素受体阳性、HER2阴性早期乳腺癌的辅助治疗选择依赖昂贵的基因检测，限制了其广泛应用。研究旨在开发基于病理图像的人工智能模型预测复发风险及化疗获益。

本多中心研究纳入8284例激素受体阳性、HER2阴性侵袭性乳腺癌患者（TAILORx试验），基于数字全切片图像和临床特征训练多模态深度学习模型，外部验证包括5497例来自6个独立队列患者。

在TAILORx测试集（n=2407）中，AI模型将患者分为低风险（45.6%）、中风险（42.4%）和高风险（12.0%）。识别高基因风险（复发评分≥26）AUC为0.898（95%CI 0.879-0.913）。AI风险分层对无复发生存（HR 2.61，95%CI 1.68-4.04）、远处无复发生存（HR 2.88，95%CI 1.73-4.79）具有预后价值。围绝经期高风险患者化疗获益显著（HR 0.63，95%CI 0.46-0.86），绝经后低风险患者无明显获益（HR 0.94，95%CI 0.78-1.12）。外部验证队列AUC范围0.858-0.903，显示模型泛化能力强。

基于病理图像的AI模型可有效预测乳腺癌复发风险及化疗获益，具备推广应用潜力，有助于精准指导治疗并减少不必要化疗。