Estudo multinacional demonstra que o uso de inteligência artificial pode ajudar patologistas a identificar com mais precisão cânceres de mama com baixos níveis de expressão de HER2 e reduzir o risco de classificar incorretamente tumores HER2-low e HER2-ultralow como HER2-nulo. “Nosso estudo fornece a primeira evidência multinacional de que a inteligência artificial pode ajudar a fechar uma lacuna crítica no diagnóstico e abrir caminho para novas terapias, como conjugados anticorpo-fármaco, para a maioria dos pacientes que, até recentemente, não tinham essas opções”, disse Marina De Brot (foto), patologista do A.C.Camargo Cancer Center e principal autora do estudo selecionado para apresentação em sessão Rapid Oral no ASCO 2025.
Nos últimos anos, a introdução de terapias com novos conjugados anticorpo-fármaco direcionados ao HER2 (ADCs) tornou relevante a detecção não apenas de cânceres de mama HER2-positivo clássicos, mas também daqueles com baixos níveis de expressão de HER2. No entanto, pode ser desafiador e leva um tempo considerável para os patologistas identificarem com precisão a expressão da proteína HER2 em casos de câncer de mama HER2-low e HER2-ultralow usando testes de imunohistoquímica (IHQ) tradicionais que procuram proteínas HER2 em amostras de tecido cancerígeno. Além disso, a hibridização in situ (ISH) é uma técnica que utiliza sondas marcadas para identificar sequências específicas de ácidos nucleicos em células ou tecidos. Cânceres de mama HER2-low apresentam uma pontuação IHQ HER2 de 1+ ou 2+/ISH negativo. Cânceres de mama HER2-ultralow apresentam uma pontuação IHQ 0 com coloração de membrana.
Um diagnóstico preciso depende principalmente da precisão do olho humano na detecção de anormalidades. Mesmo entre patologistas de mama experientes, cerca de 1 em cada 3 cânceres de mama HER2-ultralow pode ser erroneamente rotulado como HER2-nulo, o que geralmente significa que os oncologistas não recomendam que os pacientes recebam terapia direcionada a HER2 com ADCs.
“Aproximadamente 65% dos tumores de mama antes classificados como HER2-negativo, na verdade, demonstram algum nível de expressão de HER2 e pertencem a subgrupos agora classificados como cânceres de mama HER2-low ou HER2-ultralow. Alguns desses tumores podem ser tratados com medicamentos direcionados ao HER2, mas somente se detectarmos seus níveis de expressão de HER2”, esclarece Marina.
Neste estudo, os pesquisadores utilizaram uma plataforma de treinamento digital com suporte de IA chamada ComPath Academy para auxiliar os patologistas no score HER2 de amostras de câncer de mama. O estudo incluiu 105 patologistas de 10 países diferentes da Ásia e da América do Sul, encarregados de realizar uma avaliação de HER2 em 20 casos digitais de câncer de mama, com e sem auxílio de IA.
Ao longo de 5 sessões, os patologistas realizaram um total de 1.940 leituras, realizadas em 3 exames distintos. O suporte de IA foi oferecido apenas no terceiro exame. Suas leituras foram então comparadas com as pontuações de IHQ de um centro de referência central. As pontuações de IHQ são obtidas por consenso entre vários patologistas especialistas que revisam e avaliam de forma independente amostras de tecido coradas por IHQ de HER2 e foram estabelecidas como a referência padrão-ouro para determinar o status do câncer de mama HER2.
Os resultados mostram que com o auxílio da inteligência artificial a sensibilidade da pontuação aumentou de aproximadamente 76% para 90%, e a concordância dos patologistas com as pontuações de referência central melhorou em cerca de 13%. Foi observada uma concordância média de 89,6% dos patologistas com as pontuações de referência central, em comparação com 76,3% sem o auxílio da IA.
“A precisão dos patologistas em identificar corretamente os casos como HER2-positivo, HER2-low, HER2-ultralow ou HER2-nulo também melhorou em quase 22%. Sua precisão na categorização dos casos aumentou de 66,7% sem o auxílio da inteligência artificial para 88,5% com o auxílio da IA”, observam os autores.
O auxílio da inteligência reduziu em mais de 25% o número de casos HER2-ultralow classificados erroneamente como HER2-nulo. Apenas 4% das leituras foram classificadas incorretamente quando os patologistas utilizaram assistência de IA, em comparação com os 29,5% das leituras que foram classificadas incorretamente quando a assistência de inteligência artificial não foi utilizada.
“Essas descobertas lançam luz sobre o papel promissor da inteligência artificial na oncologia, não como um substituto para o médico, mas como uma ferramenta poderosa para nos ajudar a trabalhar de forma mais inteligente e rápida para oferecer um atendimento mais personalizado e de alta qualidade”, disse Julian Hong, Professor Associado e Diretor Médico de Informática em Radio-Oncologia da Universidade da Califórnia, em São Francisco, e especialista em inteligência artificial da ASCO.
Os pesquisadores estão planejando estudos multicêntricos de implementação que incorporem a ferramenta de IA em diagnósticos de rotina para medir os efeitos clínicos subsequentes, incluindo mudanças nas opções de tratamento e no tempo até a terapia para pacientes com câncer de mama HER2-low e HER2-ultralow.
O estudo foi financiado pela AstraZeneca.
Referência:
Abstract 1014 - Use of artificial intelligence–assistance software for HER2-low and HER2-ultralow IHC interpretation training to improve diagnostic accuracy of pathologists and expand patients' eligibility for HER2-targeted treatment.
