OncoMet: un marco de aprendizaje profundo para la predicción de vías de señalización oncogénicas y metástasis en...

Área de la Ciencia:

• Patología digital
• Oncología computacional
• Inteligencia artificial en la medicina

Sus antecedentes:

• El cáncer de esófago (CE) sigue siendo una de las principales causas de mortalidad por cáncer a pesar de los avances en el diagnóstico.
• La predicción de la metástasis y la desregulación de la vía oncogénica es crucial para la medicina de precisión de la CE y la terapia dirigida.
• Las pruebas moleculares actuales para estas predicciones requieren mucho tiempo y son costosas.

Objetivo del estudio:

• Desarrollar un modelo de aprendizaje profundo para predecir el potencial metastásico e identificar vías de señalización oncogénica desreguladas en la CE.
• Automatizar y mejorar el diagnóstico CE y la estratificación del riesgo mediante imágenes patológicas digitales.
• Establecer un método de diagnóstico para la EC que sea rentable y oportuno.

Principales métodos:

• Se utilizaron imágenes de diapositivas enteras de alta resolución teñidas con H&E (WSIs) del Atlas del Genoma del Cáncer (TCGA).
• Los WSIs preprocesados incluían parches, normalización del color y aumento.
• Entrenó un modelo de aprendizaje profundo en datos de WSI y etiquetas de nivel de diapositiva para predecir el riesgo metastásico y la desregulación de la vía (mTOR, PTEN, p53, PI3K / AKT).

Principales resultados:

• Se logró un AUC de 0,92 para predecir el riesgo metastásico.
• AUC obtenidos de 0,64 a 0,92 para la identificación de vías oncogénicas desreguladas.
• Funcionó con éxito el modelo utilizando solo anotaciones a nivel de diapositivas, eliminando la necesidad de anotaciones exhaustivas a nivel de parche.

Conclusiones:

• El aprendizaje profundo puede detectar con precisión las metástasis e identificar las vías oncogénicas desreguladas de las diapositivas de H&E utilizando la anotación a nivel de diapositiva.
• Este enfoque ofrece un potencial transformador para el avance de la medicina de precisión y la terapia dirigida en la CE.
• Los hallazgos abren nuevas vías para el diagnóstico automático y mejorado del cáncer y la estratificación del riesgo.