基于深度学习的HER-2免疫组化自动判读模型

目的 建立基于深度学习算法的HER-2免疫组化全片自动判读模型,对该模型的性能进行评估,探讨其运用于临床病理诊断的可行性.方法 收集浸润性导管癌标本215例,对其HER-2免疫组化切片进行全片扫描,基于深度学习算法建立HER-2免疫组化全片自动判读模型.结果 HER-2免疫组化全片自动判读模型的准确性为81.5％,假阳性率为1.5％,无假阴性病例.深度学习模型与病理医师在不确定病例中的准确率分别为60.7％及50％(P=0.23).与病理医师判读相比,深度学习模型减少17.6％的不确定病例.深度学习模型判读不一致的病例中病理医师判读与标准判读的一致性仅为52％,判读一致的病例中一致性为85.7％(P<0.05).深度学习模型判读与标准判读不一致的25例中,13例存在HER-2异质性表达.结论 基于深度学习的HER-2免疫组化全片自动判读模型使用标记简单的数据建立准确性较高的模型,减少判读为HER-2(2+)的病例,能识别明确的阴性病例,识别易判读错误的高风险病例,帮助病理医师提高判读的准确性.