Yeni bir Histopathology derlemesi, küçük hücreli dışı akciğer kanserinde PD-L1 tümör oran skorunu hesaplayan 7 ticari ve 13 araştırma aşamasındaki yapay zekâ aracını değerlendirdi. Ana mesaj net: algoritmalar umut verici olsa da bir laboratuvarda bildirilen performans başka bir antikor, tarayıcı veya olgu grubuna doğrudan aktarılamaz.
Derlemenin yeni katkısı
Çalışma araçları yalnızca doğruluk değerleriyle sıralamak yerine; veri kümesi, referans standart, doğrulama ortamı, klinik eşikler, genellenebilirlik ve uygulama izlenebilirliği üzerinden karşılaştırıyor. Ticari ürünlerde iş akışı ve sertifikasyon bilgisi, akademik çalışmalarda ise model mimarisi daha ayrıntılı; ancak prospektif çok merkezli doğrulama ve tedavi kararını etkileyen TPS eşiklerindeki hata oranları çoğunlukla yetersiz raporlanmış.
Bu nedenle derleme, evrensel bir “en iyi algoritma” tanımlamıyor. Daha gerçekçi kullanım biçimi, patolog denetiminde karar desteği ve laboratuvara özgü doğrulama.
Önceki kanıtlarla birlikte nasıl okunmalı?
IASLC Patoloji Komitesi, PD-L1 değerlendirmesinde örnek türü, antikor-platform uyumu, analitik validasyon, dış kalite güvencesi ve eğitim gerekliliğini daha önce vurgulamıştı. Yapay zekâ bu değişkenleri ortadan kaldırmıyor; dijital iş akışına yeni bir doğrulama katmanı ekliyor.
Dış bir 22C3 kohortundaki 430 preparatlık çalışma, yapay zekâ ile patolog TPS değerleri arasında güçlü korelasyon bildirse de TPS <%1 grubunda kategorik uyum yalnızca yaklaşık yarı düzeyindeydi. Başka bir 333 olguluk SP263 çalışmasında genel uyum yüksek olmakla birlikte olguların %6’sında klinik kategori değişti. Bu sonuçlar özellikle %1 ve %50 çevresindeki olguların patolog tarafından yeniden değerlendirilmesi gerektiğini destekliyor.
Patolog için pratik sonuç
Bir PD-L1 algoritması satın alınırken veya valide edilirken antikor klonu, boyama platformu, tarayıcı, örnek tipi ve yerel olgu dağılımı birlikte değerlendirilmelidir. Validasyon, yalnızca korelasyon katsayısına değil, %1 ve %50 eşiklerindeki yanlış sınıflamaya, başarısız analizlerin izlenmesine ve patolog tarafından düzeltme olanağına dayanmalıdır. Mevcut kanıt, otonom raporlamadan çok kontrollü insan-yapay zekâ iş birliğini destekliyor.