# Classification of human epidermal growth factor receptor 2 expression in cancerous breast tissue through artificial intelligence

## TL;DR

This paper presents an AI technique to classify HER2 expression in breast cancer tissue, improving diagnostic accuracy and reducing variability.

## Contribution

A novel AI-based method using Vision Transformer models for HER2 classification in breast cancer histological slides.

## Key findings

- The ViT-B/16 model achieved 90.65% accuracy in HER2 classification.
- The AI tool showed acceptable clinical usability and diagnostic consistency.
- AI reduced diagnostic variability and improved objectivity in HER2 evaluation.

## Abstract

El análisis histológico y molecular del tejido mamario es clave para el diagnóstico, el pronóstico y el tratamiento del cáncer de mama. Entre los biomarcadores evaluados, se destacan los receptores de progesterona, los de estrógeno y el receptor 2 del factor de crecimiento epidérmico humano (HER2). La sobreexpresión de HER2 indica un subtipo agresivo de cáncer de mama, aunque permite el uso de terapias dirigidas que mejoran la tasa de supervivencia. No obstante, su evaluación enfrenta desafíos, desde la calidad de las muestras hasta la variabilidad en la interpretación. El College of American Pathologists clasifica la sobreexpresión de HER2 en cuatro categorías, pero la variabilidad en la expresión cercana al 10 % puede generar confusión.

Presentar una técnica basada en la inteligencia artificial para clasificar células con sobreexpresión de HER2 en las placas histológicas.

Se aplicó la metodología Cross-Industry Standard Process for Data Mining (CRISP-DM) en muestras de 89 pacientes de la Unidad de Diagnóstico en Patología, abarcando los cuatro niveles de HER2. Se utilizaron redes neuronales y modelos de Vision Transformer (ViT) afinados mediante transferencia de aprendizaje. Además, se evaluó la facilidad de uso y, finalmente, la eficiencia del software presentado.

Con el modelo ViT-B/16, se obtuvo una exactitud del 90,65 % en la clasificación, mientras que la herramienta evaluada generó un grado aceptable de satisfacción con su aplicación clínica.

La inteligencia artificial demostró gran precisión y concordancia en la clasificación del HER2, redujo la variabilidad diagnóstica y mejoró la objetividad, aunque aún se requiere optimizar la eficiencia del procesamiento.