Métodos computacionais, evidência clínica e prontidão translacional para a inteligência artificial para avaliação HER2 usando hibridização in situ de prata (SISH)

O que aconteceu

Determinação precisa do receptor 2 do fator de crescimento epidérmico humano (HER2) é uma pedra angular da oncologia de precisão no câncer de mama e uma gama crescente de tumores sólidos. Enquanto a imuno-histoquímica (IHC) continua a ser a modalidade de triagem de primeira linha, técnicas de hibridização in situ (ISH) são essenciais para resolver casos equivocados e fornecer avaliação quantitativa do estado do gene HER2. Entre os métodos ISH, a hibridização in situ com prata reforçada (SISH) tem emergido como uma alternativa de campo brilhante clinicamente relevante à hibridização in situ com fluorescência (FISH), oferecendo coloração permanente, alta concordância e compatibilidade com fluxos de trabalho de histopatologia de rotina. Apesar dessas vantagens, a interpretação do SISH permanece intensiva no trabalho e sujeita à variabilidade interobservador, particularmente em tumores limítrofes e heterogêneos. O aumento da patologia digital e da inteligência artificial (IA) permitiu a análise automatizada de imagens de deslizamento total (WSIs), suportando tarefas como segmentação de núcleos, detecção de sinais, estimativa de número de cópias HER2 e cálculo da razão HER2/CEP17. No entanto, as evidências atuais permanecem heterogêneas, com limitações incluindo pequenos conjuntos de dados, validação externa limitada e insuficiente transparência metodológica. Esta revisão sistemática sintetiza a literatura atual sobre avaliação HER2 assistida por IA com um foco específico na SISH e modalidades de ISH de campo brilhante relacionadas. Examinamos fluxos de trabalho computacionais, estratégias de validação, benchmarks de desempenho e prontidão translacional, avaliando criticamente as limitações na base de evidências. A análise demonstra que a IA pode apoiar a avaliação HER2 reprodutível e escalonável quando alinhada com as diretrizes clínicas, mas ressalta que a implantação clínica requer validação rigorosa, delineamento com conhecimento de incerteza e integração com fluxos de trabalho de patologia especializada.