六中心 1025 例外部验证 BRCAura：H&E 全片直接预测胚系 BRCA1/2 突变，AUC 0.81 与 0.82 可排除约三分之一野生型

BRCAura 六中心 1025 例外部验证：H&E 全片预测胚系 BRCA1/2 突变，AUC 0.81 与 0.82 排除约三分之一野生型

数据视角 × 医院信息化/临床医生 ｜ 影响分析 × 药企研发负责人 ｜ 深度研报

npj Precision Oncology 于 2026 年 10 月 12 日刊出深度学习模型 BRCAura 的多中心外部验证结果，论文为开放获取。该模型直接从常规组织学全片图像预测胚系 BRCA1/2 突变状态，在覆盖 6 家中心、纳入 1025 例早期激素受体阳性、HER2 阴性乳腺癌患者的队列中，于切除标本取得 AUC 0.81、于活检标本取得 AUC 0.82，并在特异度约 40% 的工作点保持 93% 以上敏感度，据此可排除约三分之一的野生型病例。

开场：现行基于临床与家族史标准的检测，漏掉了大量 BRCA 携带者

现行胚系 BRCA1/2 检测并非面向所有乳腺癌患者开放，谁能进入测序流程，由一套基于临床与家族史标准的准入规则决定。这套规则的短板在于覆盖面不足：不少携带者因为家族史线索不够典型、发病年龄或病理特征不满足条件，从未被纳入检测，也就失去了据此调整治疗方案与家属风险管理路径的机会。胚系 BRCA1/2 变异是乳腺癌管理中明确可操作的驱动因素，漏检的代价因此并不止于一次检测，而是沿治疗选择与家族预防两个方向被持续放大。BRCAura 的出发点正是这一缺口，研究者希望用一张几乎所有患者都会产生的常规组织学全片图像，把筛查的起点从问诊台前移到病理科。对医院信息化部门而言，这类设计最现实的意义在于它不依赖新增检验项目，而是复用已经数字化的切片资产，把增量成本压在算力而非耗材与人力一侧。从数据视角看，准入规则本质上是一条依赖有限字段的过滤条件，其有效性受制于问诊记录的完整程度，而全片图像是同一批患者身上已经存在、却长期未被利用的另一类观测。

六中心 1025 例外部验证：队列口径与两类标本

此次刊出的是外部验证结果，而非模型开发本身。验证采用回顾性多中心队列，覆盖 6 家中心，纳入 1025 例早期激素受体阳性、HER2 阴性乳腺癌患者，这一人群口径与 BRCAura 的目标使用场景保持一致。值得注意的还有标本构成：队列同时包含切除标本与活检标本两类样本，前者组织量充足、切片质量稳定，后者更贴近真实诊疗中首次取证的形态，分开评估让结果具备分场景解读的空间。研究另说明，部分数据基于 TCGA 研究网络生成，因此验证并非完全来自单一来源的连续病例。对数据视角的读者来说，回顾性与多中心是两个需要同时记住的限定词，多中心意味着样本来自不同医院的操作习惯与设备条件，回顾性则意味着切片是先于研究存在的、而非按统一前瞻方案采集。在这一背景下，研究关于性能在不同染色方案与扫描仪之间保持稳定的报告，恰好回应了异质性带来的主要担忧。外部验证的意义也正在于此，读者看到的是模型在陌生中心、陌生制片条件下的表现，而非在同一批开发数据上的反复调优。

两个 AUC 与一个工作点：0.81、0.82 与特异度约 40% 下的 93% 敏感度

数字层面，BRCAura 在切除标本上的 AUC 为 0.81，在活检标本上为 0.82，两者相当接近，说明标本类型并未显著改变模型的判别能力。更有解读价值的是工作点的选择：在特异度约 40% 的位置，模型保持了 93% 以上敏感度，这与它被设计为高敏感度排除工具的定位相吻合，据此可排除约三分之一的野生型病例。研究同时报告，其表现显著优于既有的临床与家族史模型，这意味着图像中确实携带了问诊表之外的判别信息。表型分析提供了机制层面的旁证，突变相关区域富集免疫浸润，肿瘤细胞密度更高，这些形态学特征与模型判读的方向一致。需要被准确理解的是，AUC 0.81 与 0.82 描述的是排序能力而非确定性，不能直接换算成某一位患者携带突变的概率，也不应被当作独立的判读依据使用。工作点的选择本身传达了设计取舍，把阈值放在敏感度一侧而非追求整体平衡，等于主动放弃了压低假阳性的机会，换取尽量不漏掉携带者，这与筛查类工具的定位是一致的。

可用在哪：把 H&E 全片当作测序前的组织学前置筛查

作者给出的定位相当克制，BRCAura 被视为测序之前的组织学层面前置筛查，用于优化测序资源分配，从而简化胚系检测路径。从医院信息化与临床医生这一主视角看，落地形态是清楚的：患者完成常规病理取材、切片完成数字化扫描之后，模型即可给出一份倾向性提示，帮助病理科与乳腺团队判断哪些病例可暂缓或不再进入胚系测序，哪些应被优先推送。约三分之一的野生型被排除，意味着测序环节的负荷出现可见下降，报告等待时间也有机会随之缩短。前提是切片扫描、染色与存储链路已经标准化，否则不同来源的图像质量差异会直接侵蚀性能的稳定性。站在药企研发负责人的影响分析角度，这类工具若被纳入检测路径，将改变 BRCA 相关伴随诊断的患者筛选效率，临床入组的初筛成本同步下降，对以该靶点为核心的研发管线并非无关紧要。需要明确的是，模型输出的是倾向性提示而非报告结论，它的位置应当在病理签发与遗传咨询之间，而不是取代其中任何一环。

冷静观察：40% 的特异度决定了它是排除工具，回顾性验证之外还要看前瞻性分流数据

冷静下来看，40% 的特异度是理解这项结果的钥匙。它意味着仍有相当比例的野生型病例会被判为可疑并继续进入测序，BRCAura 因此是一个排除工具而不是确诊工具，AUC 0.81 与 0.82 不等于确诊能力，任何阳性提示仍需测序确认。约三分之一野生型被排除这一数字，是在高敏感度排除口径下取得的，其临床价值取决于漏检率是否被接受为足够低。此外，本次验证为回顾性设计，回顾性数据可以证明模型在既有切片上具备判别力，却不能证明它在真实分流流程中按预期运行，前瞻性分流数据仍是必要的一步。换言之，衡量它的合理指标不是整体判断有多准，而是在漏检可被接受的前提下节省了多少测序，这只有在分流流程真正跑起来之后才能验证。资助与参与方式同样值得留意：研究由 Waiv 资助，并获法国 2030 计划与欧盟 NextGenerationEU 通过 France Relance 计划支持，阿斯利康支持了文稿准备、医学写作与结果解读，资助方未参与研究设计、数据分析或投稿决定。

原文链接：npj Precision Oncology

千方医数集编辑部 出品