FAD ASINCRONA HER2-ULTRALOW NEL TUMORE DELLA MAMMELLA SFIDE EOPPORTUNITÀ TRA INNOVAZIONE TERAPEUTICA E PATOLOGIA DIGITALE

L’evoluzione terapeutica nel carcinoma mammario ha progressivamente superato la storica visione dicotomica dello stato di HER2, tradizionalmente limitata alla distinzione tra casi positivi e negativi ai fini dell’eleggibilità ai trattamenti anti-HER2. L’introduzione di nuovi antibody-drug conjugates ha portato al riconoscimento della categoria dei tumori HER2-low (IHC 1+/2+ ISH-), ridefinendo il ruolo diagnostico dell’Anatomo-Patologo. Oggi l’attenzione si estende ulteriormente verso la definizione di HER2-ultralow, ambito caratterizzato da espressioni recettoriali estremamente basse ma potenzialmente clinicamente rilevanti, rappresenta oggi una delle principali sfide interpretative, con importanti implicazioni terapeutiche e necessità di elevata riproducibilità diagnostica. In questo contesto, la patologia digitale e gli strumenti di Intelligenza Artificiale e computational pathology offrono nuove opportunità per migliorare standardizzazione, oggettivazione e confronto inter-osservatore.

Il progetto 2026, evoluzione del format precedente, si articola in tre fasi:

1. Webinar formativo finalizzato all’inquadramento del nuovo scenario terapeutico e alla definizione dei criteri per la corretta interpretazione del dato immunoistochimico;
2. Valutazione offline su casi digitali selezionati, con particolare focus su HER2-ultralow e integrazione di analisi AI-assisted;
3. Tre eventi residenziali macroregionali per la discussione collegiale dei risultati, l’analisi delle criticità interpretative e la valutazione del contributo dell’Intelligenza Artificiale nella pratica diagnostica.

L’evoluzione dello scenario terapeutico nel carcinoma mammario ha ampliato il ruolo diagnostico dell’Anatomo-Patologo nella corretta definizione dello stato recettoriale. In particolare, la possibile identificazione della categoria HER2-ultralow introduce nuove sfide interpretative, legate alla difficoltà di distinguere livelli di espressione estremamente bassi e alla conseguente potenziale variabilità inter-osservatore. Poiché la classificazione dell’espressione di HER2 può avere un impatto diretto sull’accesso delle pazienti a nuove opportunità terapeutiche, diventa fondamentale garantire elevati livelli di accuratezza, riproducibilità e uniformità nella valutazione immunoistochimica. In questo contesto, risulta necessario promuovere iniziative strutturate di confronto scientifico e aggiornamento tra specialisti della patologia mammaria. Parallelamente, la crescente diffusione della patologia digitale, insieme alle applicazioni di Intelligenza Artificiale e computational pathology, apre nuove prospettive per migliorare la standardizzazione dei processi diagnostici e supportare il patologo nella valutazione dei biomarcatori. Attraverso il coinvolgimento del network nazionale GIPaM, il progetto si propone di:

• approfondire le criticità diagnostiche legate alla definizione e all’interpretazione dei casi di carcinoma mammario con espressione HER2 ultralow;
• valutare la riproducibilità diagnostica tra Anatomo-Patologi attraverso l’analisi condivisa di casi digitali selezionati;
• analizzare il potenziale contributo della digital pathology e dell’Intelligenza Artificiale nel supportare la valutazione immunoistochimica e nel favorire una maggiore standardizzazione dei criteri interpretativi.

L’obiettivo finale è favorire una progressiva armonizzazione nazionale dei criteri diagnostici nella valutazione dell’espressione di HER2 e supportare l’evoluzione dell’Anatomia Patologica verso modelli diagnostici sempre più integrati e coerenti con le esigenze della medicina di precisione, contribuendo a garantire una più appropriata selezione delle pazienti candidate alle nuove strategie terapeutiche.