Uso da Inteligência Artificial na Identificação de Tumores HER2 Positivos e HER2-low, usando apenas Lâminas Coradas por Hematoxilina-Eosina (H&E), em Pacientes com Câncer de Mama do Hospital AC Camargo Cancer Center / Use of Artificial Intelligence in the Identification of HER2 Positive and HER2-low Tumors, using only Hematoxylin-Eosin (H&E) stained slides, in Breast Cancer Patients at Hospital AC Camargo Cancer Center

RESUMO

INTRODUÇÃO: Até 15% dos casos de câncer de mama são classificados como HER2 positivo e 60% são classificados como HER2-low. A detecção desses biomarcadores é essencial para o prognóstico e predição de resposta ao tratamento, mas podem apresentar erros subjetivos. A inteligência artificial (IA) tem se mostrado promissora na avaliação de biomarcadores e, embora tenha apresentado boa acurácia na identificação do HER2, a avaliação de HER2-low ainda permanece a ser investigada. OBJETIVO: Desenvolver um modelo de IA para a detecção de HER2 e Her2-low. MATERIAIS E MÉTODOS: Uma abordagem de aprendizagem profunda foi utilizada em um conjunto de imagens digitalizadas a partir dos casos de câncer de mama HER2 diagnosticados no A.C. Camargo Cancer Center. RESULTADOS: O algoritmo alcançou uma AUC de 0,75 para HER2+ e 0,78 para Her-low. CONCLUSÃO: A performance do modelo é similar a outros estudos para HER2 (negativo vs positivo) e este é o segundo na literatura a descrever a identificação de HER2-low, também com uma acurácia similar. O uso de IA tem o potencial para ser uma ferramenta valiosa na identificação de biomarcadores em casos de câncer de mama diretamente a partir da imagem histológica, podendo auxiliar na escolha do tratamento adequado e no prognóstico do paciente.

ABSTRACT

INTRODUCTION: Up to 15% of breast cancer cases are classified as HER2 positive and 60% are classified as HER2-low. The identification of these biomarkers is essential for prognosis and prediction of treatment response but can be subject to subjective errors. Artificial intelligence (AI) has shown good accuracy in identifying HER2 but has not been tested for HER2 low. OBJECTIVE: To evaluate the area under the curve (AUC) for the identification of HER2 and HER2-low using a predictive AI model. MATERIALS AND METHODS: Retrospective study of the AC Camargo database with breast cancer cases classified as HER2 negative and positive, defined as those with a score of 0 and 3+ by IH or FISH, respectively. RESULTS: The algorithm achieved an AUC of 0.75 for HER2 and 0.78 for HER2 low. CONCLUSION: The model's performance is like other studies for HER2 and is the second in the literature to describe the identification of HER2 low, also with good accuracy. The use of AI can be a valuable tool in identifying biomarkers in breast cancer cases, helping to choose appropriate treatment and patient prognosis.