Трижды негативный рак молочной железы (ТНРМЖ) — агрессивный и гетерогенный подтип с ограниченными опциями таргетной терапии и неблагоприятным прогнозом. Последние достижения в цифровой патологии и искусственном интеллекте (ИИ) преобразуют традиционную качественную гистопатологию в количественный, основанный на данных анализ.
В области компьютерной патологии изучаются патомика (извлечение вручную разработанных многомерных признаков из цифровых гистологических изображений) и анализ целых срезов на основе глубокого обучения (DL) для предсказания молекулярных подтипов, экспрессии биомаркеров, инфильтрации опухоли лимфоцитами (TIL) и ответа на лечение при ТНРМЖ. ИИ-модели, включая DL и мультимодальные системы, интегрирующие гистопатологию, омиксные и клинические данные, исследуются для стратификации пациентов, оценки риска и персонализации терапии — химиотерапии, иммунотерапии, ингибиторов PARP и антитело-лекарственных конъюгатов.
Связывая пространственную архитектуру ткани с молекулярными профилями, эти подходы могут дать новое понимание биологии опухоли и опухолевого микроокружения. Большинство исследований, специфичных для ТНРМЖ, являются ретроспективными, малыми или одноцентровыми; лишь немногие прошли внешнюю валидацию, и, насколько нам известно, ни одно пока не продемонстрировало клинической пользы в проспективных исследованиях. Предсказание биомаркеров, таких как PD-L1 или дефицит гомологичной рекомбинации (HRD), по H&E-срезам остаётся исследовательским и не может заменить валидированное тестирование.
Несмотря на эти ограничения, ИИ-ассистированная компьютерная патология представляет собой перспективный инструмент поддержки принятия решений, который дополняет, но не заменяет патологоанатомов и онкологов, для улучшения диагностики, прогноза и принятия терапевтических решений при ТНРМЖ.