Resumen El bloqueo dual HER2 neoadyuvante con trastuzumab y pertuzumab más quimioterapia representa el estándar de atención actual para el cáncer de mama HER2-positivo. Sin embargo, las respuestas al tratamiento siguen siendo heterogéneas, lo que subraya la falta de herramientas clínicas prácticas para predecir la eficacia del tratamiento e informar sobre la terapia personalizada. Aquí, desarrollamos HER2-LADDER (Recomendación anti-HER2 basada en IA Layered y Dual-targeteD), un marco de inteligencia artificial espacialmente interpretable y clínicamente accesible que integra características clinicopatológicas y topológicas espaciales de las diapositivas de hematoxilina y eosina (H&E) y de inmunohistoquímica (IHC) de HER2. Utilizando estas características derivadas espacialmente, HER2-LADDER predijo con precisión la respuesta al TCbHP/PCbHP neoadyuvante, logrando AUCs de 0.944 en la cohorte de construcción del modelo (N = 276), 0.917 en la cohorte de validación temporal (N = 82) y 0.869 en la cohorte de validación basada en ensayos (N = 85). Con base en las puntuaciones de HER2-LADDER, los pacientes fueron estratificados en grupos Bajo (altamente receptivos), Medio (receptivos) y Alto (resistentes), identificando candidatos para la desescalación del tratamiento (THP o TCbH/PCbH), estándar de atención (TCbHP/PCbHP), o regímenes alternativos (por ejemplo, conjugados de anticuerpos anti-HER2 de próxima generación), respectivamente. Importante, el perfilado in situ de Xenium reveló además correlatos biológicos subyacentes a las predicciones del modelo, incluyendo la agregación de células tumorales enriquecidas en HER2 e interacciones entre neutrófilos y células T auxiliares, destacando así la interpretabilidad mecanicista del modelo. En conjunto, HER2-LADDER une la patología digital y el perfilado espacial de alta resolución en un marco de IA clínicamente accesible, ofreciendo una herramienta robusta, transparente y biológicamente fundamentada para adaptar la optimización de la terapia dirigida a HER2 individualizada.
Wu et al. (Thu,) estudiaron esta cuestión.