Modelo de inteligencia artificial basado en la patología digital para predecir la inestabilidad de los microsatélites...

Área de la Ciencia:

• En el campo de la oncología
• Patología digital
• Inteligencia artificial

Sus antecedentes:

• La inestabilidad de los microsatélites (MSI) es crítica para predecir la respuesta al tratamiento en el adenocarcinoma de la unión gastroesofágica (GEJ).
• La identificación precisa del estado de MSI-H es esencial para guiar las estrategias terapéuticas en el cáncer de GEJ.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo para predecir el estado de MSI-H en pacientes con adenocarcinoma GEJ.
• Aprovechar las muestras patológicas manchadas con H&E para la identificación no invasiva de MSI-H.

Principales métodos:

• Se desarrolló un modelo de inteligencia artificial (IA) utilizando 416 diapositivas teñidas de H&E de 212 pacientes con adenocarcinoma GEJ.
• Se entrenaron y probaron modelos a nivel de parche (Simple Vit, ResNet18), seguidos de la construcción de un modelo de IA a nivel de imagen de diapositiva completa (WSI).
• El modelo de nivel WSI integró funciones de aprendizaje profundo con seis algoritmos de aprendizaje automático.

Principales resultados:

• El modelo Multilayer Perceptron (MLP) logró el mayor rendimiento, con un AUC de 93,3%, sensibilidad de 0,841 y especificidad de 0,952.
• El análisis de la curva de decisión (DCA, por sus siglas en inglés) confirmó la utilidad clínica del análisis de H&E a nivel de WSI para la predicción de MSI-H.
• El modelo de IA desarrollado demostró una gran precisión en la identificación de MSI-H en la cohorte de prueba.

Conclusiones:

• Los modelos de IA que utilizan la patología digital muestran un potencial significativo para predecir el MSI-H en el adenocarcinoma GEJ.
• Este enfoque ofrece un método prometedor y no invasivo para la determinación del estado de MSI-H con posibles aplicaciones clínicas.
• El estudio destaca la viabilidad del uso de diapositivas H&E para la predicción MSI-H impulsada por IA en el cáncer de GEJ.