同源重组缺陷(HRD)肿瘤对以铂类为基础的化疗和多聚(ADP-核糖)聚合酶抑制剂(PARPi)治疗很敏感。除了突变BRCA-1和BRCA-2(BRCA1/2)(原本是同源重组DNA修复途径的关键成员)，基因组不稳定性包括杂合丢失、端粒等位基因失衡和基因组大片段迁移也是HRD的预测因素。(摘要号 3019)

HRD检测目前是通过测序进行的，可能需要2~4周的时间才能得到结果，且错误率高，需要大量的组织，成本高昂。来自美国的研究团队开发并测试了一个名为iPREDICT-HRD的AI工具，该工具可基于H&E切片来预测HRD状态。且速度快、精度高、性价比高。

研究者在使用测序技术进行HRD检测前，对120张肿瘤的H&E切片进行AI识别训练。该AI算法可提取组织病理学特征，然后根据测序结果进行特征映射，以构建HRD预测模型。RESNETAI算法被用来进行分割、标注和HRD状态预测训练。70%的数据用于训练，30%用于验证该AI模型。

使用单盲临床样本，验证集中iPREDICATE-HRD工具检测HRD状态的准确率为99.3%，灵敏度为100%，特异度为99%。HRD状态的特征块化预测显示了H&E切片上肿瘤内的异质性。对热图的视觉检测表明，存在具有高预测HRD状态能力的特征块，这比具有异质性的切面上的平均HRD评分预测效果更好。

总的来说，研究人员开发出了自动识别HRD的AI平台，即使在可供检测组织有限的情况下，该平台仍能在H&E切片上准确预测HRD状态，且速度快、成本低。 (编译 李莹)