H-score 计算器

H-score 计算器

H-score 的计算方法

H-score（histoscore，组织化学评分）把两件事合并为一个数字：有多少细胞着色，以及着色有多强。所评分群体中的每个细胞（通常是肿瘤细胞）被分为 0（阴性）、1+（弱）、2+（中等）或 3+（强）。每个等级的细胞百分比乘以该等级，再把三个乘积相加。

H-score = 1 ×（1+ 细胞 %）+ 2 ×（2+ 细胞 %）+ 3 ×（3+ 细胞 %）

计算示例：30 % 的细胞弱着色，20 % 中等着色，10 % 强着色；其余 40 % 为阴性。H-score = 30 × 1 + 20 × 2 + 10 × 3 = 100，阳性细胞占 60 %。用细胞数计算也是同样的求和：400 个细胞中，120 个弱阳性、80 个中等阳性、40 个强阳性，得到 (120 + 160 + 120) ÷ 400 × 100 = 100。

该评分于 20 世纪 80 年代针对雌激素受体染色提出，是一种“同时纳入染色强度和分布”的评估方法，如今已用于许多细胞核、细胞质和细胞膜标记物。

这个数字能说明什么，不能说明什么

• 切片不同，评分相同：100 % 弱阳性细胞和 33 % 强阳性细胞得到的评分都约为 100。请在 H-score 旁边同时报告阳性百分比，或各强度的百分比。
• 没有通用的临界值：多高的评分算“高”或“阳性”，取决于标记物、抗体、检测方法和具体研究。请采用您所遵循的论文或指南中的阈值，并注明出处。
• 肉眼判断强度带有主观性：弱与中等的分界因观察者而异。请对照同一批次染色的对照进行评分，并请第二位阅片者对部分切片评分。
• 对正确的细胞评分：只计数判读该标记物的细胞群体；除非您的方案另有规定，否则排除间质、淋巴细胞、坏死和边缘伪影。
• 计数足够多的细胞：仅由几十个细胞得到的评分，每多算或少算一个细胞都会明显变动。在有代表性的视野中计数数百个细胞是常见的最低要求。

用软件得到相同的评分

图像分析软件通过同样的算术得出这些评分，只是用测量取代了肉眼判断。它找出区域内的每个细胞核，通过颜色反卷积把棕色的 DAB 染色与蓝色的苏木精分开，测量每个细胞核的平均 DAB 光密度，并按您设定的阈值分级：一个阈值区分阳性和阴性，三个阈值区分 1+、2+ 和 3+。

• QuPath（免费，开源）：Positive cell detection 使用一个阈值时给出阳性百分比；使用三个阈值时还会报告 H-score。
• Fiji / ImageJ（免费）：用 H DAB 向量运行 Colour Deconvolution，然后进行阈值分割和计数；评分的算术需要您自己完成。
• SlideScope：在您选择的区域内计数细胞核，对每个细胞核分级，并同时报告阳性百分比、H-score 和 Allred 评分，所用定义与 QuPath 相同。您也可以通过 Ask Your Slide 用日常语言提问；每个数字都来自本地工具，并附有可供核对的轮廓。仅供科研使用。

无论使用哪种工具，阈值都是人为的选择：请把它们写进方法部分，对照图像检查轮廓，并在需要相互比较的所有切片上保持不变。分步说明：如何定量 IHC 染色。

常见问题

资料来源

• McCarty KS Jr et al. Use of a monoclonal anti-estrogen receptor antibody in the immunohistochemical evaluation of human tumors. Cancer Res 1986;46(8 Suppl):4244s-4248s（HSCORE）
• Wen Z et al. Deep learning-based H-score quantification of immunohistochemistry-stained images. Mod Pathol 2023（公式和 0 到 300 的范围）
• QuPath 文档：细胞分类、强度阈值和 H-score

这些计算器只为科研和教学做算术。它们不是诊断工具：用于患者诊疗的评分须遵循经过验证的检测方法、该标记物的现行指南以及病理医生的判断。