空间AI生物标志物在早期低中危乳腺癌中具独立预后价值

ER阳性/HER2阴性、低至中级别早期乳腺癌总体预后良好，但仍有部分患者会复发，而常规临床病理因素对这类风险的甄别能力有限。分子检测提供了一条已被反复验证的路径：EndoPredict等基因表达评分可在传统因素之外独立预测远处复发^[1]，ASCO指南也认可多种多基因检测用于指导辅助内分泌和化疗决策^[2]；同时HR+/HER2-疾病的异质性仍在不断被揭示，I-SPY2研究即显示不同分子特征患者的病理完全缓解率差异显著，提示需要更好的生物标志物^[4]。在数字病理方向，直接从形态学提取预后信息的深度学习方法也取得进展，如覆盖肿瘤微环境形态的HiPS评分^[3]，视觉Transformer架构亦已被用于病理图像分析^[5]。但许多AI医疗器械在切片层面给出单一总体预测，忽略了生物标志物的空间定位——这正是本研究的切入点。

这项瑞典多中心队列研究纳入6106例原发性浸润性乳腺癌，其中3078例来自斯德哥尔摩（训练集）、3028例来自斯科讷（独立测试集）。研究者用DeepGrade的视觉Transformer改进版ViT_DG生成图像块级别的高级别形态学评分，并把“浸润性肿瘤前沿出现高风险图像块聚集”定义为一个二元生物标志物。主要分析预先设定于ER阳性/HER2阴性/淋巴结阴性且1-2级的亚组（训练集1536例、测试集1403例），其中分别有37%和39%的患者为聚集阳性。在外部测试集，聚集阳性与复发风险升高2.30倍相关：10年无乳腺癌复发生存间期（BCRFI）在聚集阴性者为95.3%，与1级患者相当、优于2级（92.4%）；聚集阳性者为90.2%，甚至低于3级参照。即使在ViT_DG全局评分判为低危的患者中，该空间标志仍独立相关于风险（多变量HR 2.86），捕捉到了全局评分遗漏的高危者。

与以总体风险评分为输出的既有检测^[1][2]相比，这项工作的推进在于证明：在同一个AI标志物内部，保留预测的空间分布本身即可带来超出全局评分的独立预后信息——肿瘤前沿无聚集能界定出一个独立于全局AI分类的低危人群，而聚集阳性则补足了全局评分的盲区。这提示空间维度是比“总分”更深一层、值得系统挖掘的预后信息来源。

当然，两个队列均来自瑞典，数据需经伦理审批方可申请获取，该空间标志能否推广到其他人群、并前瞻性地用于治疗升降级等临床决策，仍是悬而未决的问题；此外部分作者为Stratipath的联合创始人或股东、研究亦获企业资助，后续独立验证中的透明与重复性同样值得关注。