多模态 AI 模型预测 HER2 阳性早期乳腺癌降阶梯化疗 pCR 与预后：PHERGain 与 PHERGain-2 试验分析

抗HER2治疗深刻改变了HER2阳性乳腺癌的病程：一年曲妥珠单抗辅助治疗显著减少复发事件^[4]，帕妥珠单抗加入曲妥珠单抗联合化疗后可进一步改善结局^[2]。随着双重阻断疗效确立，治疗重心转向降阶，而耐药与肿瘤异质性的现实意味着必须更精细地理解并挑选患者，才能安全地减去化疗^[1]。PAMELA研究显示HER2-enriched亚型可预测曲妥珠单抗联合拉帕替尼去化疗方案下的病理完全缓解（pCR）^[3]，但此类分子分层仍不足以满足临床需求，化疗降阶策略中的患者选择长期缺乏可靠依据。

这项研究在两项II期试验中评估了Ataraxis Breast（ATX）平台，该人工智能模型整合苏木精-伊红（H&E）全切片图像与临床变量，输出预测pCR的NEO评分与预测复发的RISK评分。PHERGain（306例可评估）和PHERGain-2（383例可评估）的总体pCR率分别为40.2%和60.3%；连续NEO评分在两项试验中均与pCR显著相关（OR分别为1.28，95%CI 1.11-1.48与1.30，95%CI 1.13-1.52，均P<0.001）。按预设截点分为低、中、高概率组后，pCR率梯度递增（PHERGain：19.2%、41.3%、48.3%；PHERGain-2：29.5%、61.6%、70.1%）。在PHERGain（309例）中，RISK评分每升高1个标准差，无事件生存风险比为1.56（95%CI 1.17-2.08，P=0.002，C指数0.66），低危与高危组的5年无事件生存率分别为93.9%与83.1%。

这项工作的推进之处在于跨试验一致性：NEO评分在两项独立试验中效应量高度接近，且仅依赖常规H&E切片与临床变量，无需基因组检测；同在PHERGain中得到验证的HER2DX基因组检测也可预测新辅助HP治疗中的pCR^[5]，ATX由此提供了另一条可及性更高的路径。结合PHERGain采用18F-FDG-PET反应适应策略实现化疗降阶^[6]、PHERGain-2探索无化疗、pCR引导的曲妥珠单抗-帕妥珠单抗联合T-DM1方案^[7]的背景，基于形态学的AI评分有潜力在治疗前补充影像与基因组工具，细化降阶决策。

局限亦不容忽视：RISK模型仅在PHERGain中评估，未在PHERGain-2中验证；C指数0.66提示判别能力属中等；且本文目前以预印本形式发布，结论有待同行评议。AI生物标志物能否真正进入临床、指导哪些患者可安全免除化疗，仍需前瞻性研究回答。