El aprendizaje profundo y los análisis patómicos predicen el pronóstico de gliomas de alto grado

Área de la Ciencia:

• En el campo de la oncología
• La radiomía
• Patología computacional

Sus antecedentes:

• Los gliomas de alto grado son tumores cerebrales agresivos que requieren herramientas de pronóstico precisas.
• Los factores de pronóstico tradicionales pueden no capturar completamente la heterogeneidad del tumor y los resultados del paciente.

Objetivo del estudio:

• Desarrollar y validar un modelo de pronóstico para gliomas de alto grado utilizando patómica.
• Integrar datos patológicos y clínicos para mejorar la precisión predictiva.

Principales métodos:

• Se analizaron imágenes de diapositivas completas (WSIs) de regiones tumorales utilizando un modelo de aprendizaje profundo.
• Se extrajeron las características patológicas y se correlacionaron con los datos clínicos.
• Se construyeron tres modelos predictivos: basados en patología, clínicos y combinados.

Principales resultados:

• La combinación de la patología y el modelo clínico logró un índice C de 0,847 (entrenamiento) y 0,739 (prueba).
• Los pacientes de alto riesgo identificados por el modelo tuvieron una mediana de supervivencia libre de progresión (SFP) de 10 meses (p< 0,001).
• La estratificación del estado de IDH refinó aún más las predicciones de PFS.

Conclusiones:

• Una combinación de patología y modelo clínico demuestra una eficacia significativa en la predicción del pronóstico de glioma de alto grado.
• Este enfoque ofrece una herramienta poderosa para estratificar a los pacientes y guiar las decisiones de tratamiento.