Autoreferat. Bröstcancer är den vanligaste cancersjukdomen bland svenska kvinnor med nästan 8 000 drabbade årligen, enligt Cancerfondsrapporten 2015. Vid histopatologisk undersökning av biopsier och bortopererade tumörer bidrar analys av biomarkörer med viktig information om tumörens biologiska egenskaper och förväntade svar på terapi.
Uttrycksnivåer av östrogenreceptor-alfa (ER), progesteronreceptor (PR), HER2 (human epidermal growth factor receptor 2) och proliferationsmarkören Ki67 är direkt avgörande för val av postoperativ medicinsk behandling. På de flesta patologilaboratorier analyseras i dag dessa biomarkörer genom att andelen immunfärgade, positiva tumörceller räknas manuellt. Nationella kvalitetsjämförelser har dock visat att variationen i analyssvar mellan och inom olika patologkliniker varierar stort. Detta gäller i synnerhet analysen av proliferationsmarkören Ki67, där osäkra bestämningar kan leda till att patienter erhåller otillräcklig behandling eller kemoterapi utan nytta.
Som tillägg till de klassiska kliniska variablerna tumörstorlek och axillär lymfkörtelmetastasering ger vidare molekylär subtypning genom genexpressionsanalys oöverträffad riskklassifikation. Baserat på genexpression kan bröstcancersjukdomen närmare bestämt delas in i 4 distinkta subtyper med prognostiskt och behandlingsprediktivt värde. Men sådan genexpressionsanalys är dyr och finns inte rutinmässigt tillgänglig. Därför används ofta ER, PR, HER2 och Ki67 som surrogatmått för ungefärlig indelning i subtyper. Även här brottas dock den manuella analysen av dessa biomarkörer med problem då den visats leda till dålig överensstämmelse med genexpressionsanalyserna.
Genom att skanna och digitalisera de immunfärgade mikroskopiglasen kan man i stället med hjälp av bildanalys analysera biomarkörerna utan att räkna manuellt. Vi har jämfört den klassiska manuella analysen av biomarkörerna ER, PR, HER2 och Ki67 utförd av erfarna patologer med digital bildanalytisk läsning i ett större material (totalt 436 tumörer) [2]. Vi utförde även parallell genexpressionsanalys för att dela in tumörerna i molekylära subtyper. Resultaten visar att digital bildanalys ökar reproducerbarheten och förbättrar klassifikationen av molekylära subtyper, med bättre överensstämmelse med genexpressionsanalys. Dessutom ger bildanalytisk räkning av Ki67 högre sensitivitet och specificitet för den högproliferativa subtypen samt bättre prognostisk information jämfört med manuell läsning. Sammanfattningsvis är digital bildanalys därmed ett överlägset alternativ för biomarköranalys och innebär en välbehövd möjlighet att spara tid och resurser för sjukvården.