Video Experimental Relacionado
Updated: Dec 29, 2025
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
Aprendizaje profundo para la predicción del resultado del cáncer colorrectal: un estudio de descubrimiento y
Ole-Johan Skrede1, Sepp De Raedt1, Andreas Kleppe1
1Institute for Cancer Genetics and Informatics, Oslo University Hospital, Oslo, Norway; Department of Informatics, University of Oslo, Oslo, Norway.
Un nuevo biomarcador de aprendizaje profundo predice con precisión los resultados de los pacientes con cáncer colorrectal. Esta herramienta analiza diapositivas de tejido estándar para estratificar a los pacientes, ayudando en las decisiones personalizadas de terapia adyuvante para mejorar la supervivencia.
Área de la Ciencia:
- En el campo de la oncología
- Patología digital
- Inteligencia artificial
Sus antecedentes:
- La mejora de los marcadores de pronóstico es crucial para la estratificación de los pacientes con cáncer colorrectal en etapa temprana.
- Los métodos actuales requieren refinamiento para seleccionar la terapia adyuvante óptima.
- El aprendizaje profundo ofrece un nuevo enfoque para analizar datos histopatológicos.
Objetivo del estudio:
- Desarrollar un biomarcador pronóstico para los resultados de los pacientes después de la resección del cáncer colorrectal.
- Utilizar el aprendizaje profundo en secciones de tejido teñidas de hematoxilina y eosina (H&E) convencionales.
- Refinar la selección de los pacientes para las estrategias de tratamiento adyuvante.
Principales métodos:
- Entrenó diez redes neuronales convolucionales en más de 12 millones de imágenes de cuatro cohortes de pacientes.
- Desarrolló un biomarcador pronóstico integrado utilizando pacientes con resultados no distintos.
- Se validó el biomarcador en cohortes independientes (920 y 1122 pacientes) con datos detallados de resultados.
Principales resultados:
- El biomarcador demostró una relación de riesgo significativa entre un mal pronóstico y un buen pronóstico (HR 3,84, p < 0, 0001) en la cohorte de validación.
- El rendimiento se mantuvo significativo después de ajustar por marcadores pronósticos establecidos (etapa pN, etapa pT, invasión).
- El biomarcador superó a los marcadores pronósticos moleculares y morfológicos existentes.
Conclusiones:
- Se desarrolló un marcador pronóstico clínicamente útil utilizando el aprendizaje profundo en secciones de tumores teñidas de H&E.
- El biomarcador efectivamente estratifica a los pacientes con cáncer colorrectal en estadio II y III en distintos grupos de pronóstico.
- Esta herramienta puede guiar la selección del tratamiento adyuvante, evitando potencialmente la terapia innecesaria e identificando a los pacientes que se benefician de regímenes intensivos.
