HER2 阳性乳腺癌肿瘤微环境形态学与新辅助疗效预测
证据定位
这是回顾性、全女性、公开队列的数字病理模型研究，不是前瞻性治疗试验。外部 IMPRESS 队列验证了模型在该数据组合中的可迁移性，但没有证明模型可以指导患者选药或改变新辅助治疗。
primary_paper表示本单元的主论文材料角色；文章列出的 Additional Files 未随本地 PDF 提供。
文献信息与身份
- 题名：Morphological analysis of tumor microenvironment in HER2-positive breast cancer: predicting response to neoadjuvant chemotherapy on histopathological images。
- 作者：Wensheng Cui、Ming Fan、Lihua Li。Breast Cancer Research，2025，27:182；DOI：10.1186/s13058-025-02139-x。作者、期刊、卷页和 DOI 来自本地 PDF。
- 本地 PDF 共 14 页；收到日期 2025-01-08、接受日期 2025-09-24 见第 13 页，未把这些日期当作本次摄取日期。
unit_id=source_family=P044，展示分类为“组会文献”。无 PPT、会议笔记或独立 Supplement。
研究问题与数据
研究询问：治疗前 H&E 核心针活检中，肿瘤微环境（TME）及肿瘤浸润淋巴细胞（TIL）空间形态能否预测 HER2 阳性乳腺癌新辅助化疗（NAC）后的病理完全缓解（pCR）。研究回顾性纳入 147 名女性患者：Yale Response 数据集 85 例用于训练，IMPRESS HER2+ 数据集 62 例用于外部验证。两队列均为 20× 扫描的治疗前核心针活检；方案包含 trastuzumab，部分病例合并 pertuzumab 或其他紫杉类方案（PDF 第 1–3 页）。
方法
- 以 OpenSlide 切分 WSI，过滤组织比例低于 20% 的 tile；CNN 将图像分成肿瘤、坏死、基质、iTIL 和 sTIL，并生成 tissue-segmentation images（PDF 第 3–5 页，Figures 1–2）。
- 每个组织区域提取 46 个形态特征，分别使用 all-region、largest-region 和 significant-region（超过最大区域 5%）视角；临床变量包括 ER/PR 状态及比例、HER2/CEP17 比值（第 5 页）。
- 先用分层十折交叉验证的 LASSO 选择特征，再训练带 L2 正则的多层感知器（MLP）；外部验证在 IMPRESS 队列完成，并与逻辑回归、SVM、随机森林及已发表/基线模型比较（第 5–8 页）。
来源明确报告：主要结果
- sTIL 形态学联合临床特征在外部队列表现最好。 5% significant-region 阈值下，sTIL 模型 AUC=0.873、F1=0.889、PPV=0.821、recall=0.970、NPV=0.933；stroma、tumor、iTIL 和总 TIL 模型 AUC 分别为 0.779、0.732、0.594 和 0.668（摘要、第 6–8 页，Tables 2–3）。这些是该外部队列上的分类性能，不是患者净获益或临床结局改善。
- 小训练比例下仍有可测性能，但不等于稳健临床泛化。 sTIL 形态学模型在只使用 20% Yale 训练样本时外部 AUC=0.722；性能随训练比例和区域阈值变化（摘要、第 8–9 页，Figure 4）。
- 特征解释集中于 sTIL/基质空间形态。 LASSO 选中的 significant-region 数量、填充面积和凸包面积等与 pCR 方向相关；HER2/CEP17 比值和区域偏心率在模型中呈不利权重（第 9–10 页，Figure 5）。作者将这些解释为形态学关联，不是生物机制证明。
- 单变量关联在两个队列方向并不完全一致。 Yale 队列中 significant-region 平均填充面积与 pCR 的 P=0.015；IMPRESS 队列中 sTIL significant-region 数量 P=0.006。部分形态特征与残余浸润大小的 Spearman 方向跨队列不同（第 10–11 页，Figure 6），提示队列、组织处理或分割条件可能影响稳定性。
作者解释与证据边界
- 作者主张 H&E 图像可在不增加 IHC 成本的情况下提供可解释的 TME 形态特征，并把 sTIL/基质模型视为有潜力的 pCR 预测工具。
- pCR 是研究定义下的结局；两队列均按机构标准评估，不能把模型输出改写为治疗反应的生物学因果或个体治愈概率。
- 训练与验证均来自公开资料，队列小、全为女性、方案和扫描平台存在差异；没有前瞻性外部临床验证、真实世界实施评估或跨亚型验证。
来源内部冲突与待核验
| 项目 | 本地 PDF 口径 | 处理 |
|---|---|---|
| IMPRESS pCR 分母 | 摘要/第 1–2 页写 24/62（38.71%）pCR、38/62 non-pCR；第 3 页正文和 Table 1 反向写 38/62 pCR、24/62 non-pCR | 这是来源内部冲突；不自行选择分母，外部 AUC 仍按原文报告，需回查数据表/补充材料 |
| “外部验证”范围 | IMPRESS 为独立数据集，但方案、扫描仪和临床特征与 Yale 不同 | 保留为该数据集的外部验证，不称为多中心前瞻性验证 |
| “超过病理医师” | 第 8 页将模型与表中既有模型/病理医师特征比较 | 未将其扩写为临床替代或诊断等价性结论 |
| 5% 阈值 | 在 Yale 十折交叉验证中选择，再用于 IMPRESS | 需要独立代码/补充表确认选择过程未泄漏外部信息 |
Wiki 跨来源综合
- 与 病理完全缓解、新辅助治疗反应预测 相连：P044 的输入是治疗前 H&E 形态和临床特征，终点是 NAC 后 pCR；模型性能不能替代前瞻性锁定、校准和临床效用验证。
- 与 肿瘤浸润淋巴细胞、肿瘤免疫微环境 相连：sTIL 与 iTIL 的空间定义和形态特征不能合并为“高 TIL=获益”，需要区分组织位置、细胞组成和治疗背景。
个人问题或假设
- 纠正 IMPRESS pCR 分母后，sTIL 模型的 AUC、阈值和校准是否保持？
- 在不同扫描仪、染色批次和病理医生标注规范下，5% significant-region 规则能否重现？
- 模型是否提供临床决策增益，而不仅是分类指标改善？
汇报人、组会与导师记录
- 汇报人的解释：未提供。
- 组会讨论：未提供。
- 导师意见：未提供。
- 上述 Wiki 综合与问题为 AI 整理，不冒充用户或导师的判断。
材料完整性与精读位置
- PDF 可提取文字、未加密，共 14 页；已阅读摘要、方法、Figures 1–6、Tables 1–3 和结论。文章列出的 Additional Files 1–4 未随本地文件提供，未重算模型或核对代码。
- 精读顺序：第 3–6 页数据/分割/建模 → 第 7–9 页外部性能 → 第 10–12 页特征解释、局限和结论。页码指本地 PDF 页码。
Related Candidates
- 已有页面：乳腺癌、HER2阳性肿瘤、病理完全缓解、新辅助治疗反应预测、肿瘤浸润淋巴细胞、肿瘤免疫微环境。
- 概念候选：数字病理形态学预测。
- 对比候选：sTIL 形态学模型与临床/基线模型；形态学特征与临床特征的联合预测。
- 其余候选未达到第二篇独立来源阈值，不创建空壳页。
HUMAN-NOTE
人工精读与核验
请人工核对 IMPRESS 队列 pCR/non-pCR 分母冲突、Additional Files 1–4、训练阈值选择是否存在泄漏、扫描/染色批次影响及模型校准。AI 处理状态为
compiled，不等于human-reviewed。