人工智能评估HER2状态的系统综述与诊断性meta分析：51项研究

Abdominal radiology (New York) · 2026-11-12 · 综述

• 一句话结论：该系统综述与诊断性meta分析提示，人工智能方法用于HER2状态评估的合并诊断性能较好，合并敏感度87.8%、特异度83.5%、SROC AUC 0.852，但异质性较大，证据尚不足以支持临床常规应用。
• 研究设计与做法：研究为遵循PRISMA 2020的系统综述与诊断性meta分析；共纳入51项研究进入定性综合、14项进入诊断性meta分析；评估内容包括文献计量分析、方法学分类、比较评价与合并诊断性能；研究质量用QUADAS-2评价；干预与对照的具体设置材料未报告；随访时长材料未报告。
• 主要结果：合并敏感度87.8%，合并特异度83.5%，SROC AUC 0.852（95% CI 0.801–0.881）；Deeks漏斗图不对称检验提示未发现显著发表偏倚（p=0.14）；作者指出异质性较大，需谨慎解读合并估计值；各单项研究的效应量与置信区间材料未报告。
• 机制或解释：作者未对生物学机制作深入讨论；文中指出AI方法已从传统机器学习与影像组学发展到深度学习、Vision Transformer、可解释AI与多模态框架，最常用模态为组织病理与MRI；并认为AI有望应对IHC/FISH的观察者间变异、表达异质性与诊断复杂性等局限。
• 局限与边界：局限包括数据集异质、外部验证有限、评价方法不一致，这些是临床落地的主要障碍；合并估计值因异质性需谨慎解读；纳入人群、单中心与否、随访时长及利益冲突情况材料未报告。
• 可否落地：对科研而言，提示应优先开展多中心前瞻性验证、可解释与多模态AI、基础模型、联邦学习，并在胆囊癌等研究不足的瘤种中评估；对临床而言，当前证据档位为B，仅提示AI辅助HER2评估具有潜力，尚不足以下结论支持替代IHC/FISH常规判读。

🔗 打开原文

V S, Das CJ.

本文摘自《每日前沿研究简报 · 2026-11-14》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。