El aprendizaje profundo en diapositivas histológicas predice con precisión los subtipos moleculares y la...

Área de la Ciencia:

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

Sus antecedentes:

• El cáncer de colon (CC) es una enfermedad heterogénea con subtipos moleculares (CMS) que afectan la eficacia del tratamiento.
• El tratamiento adyuvante de CC actual se basa en la estadificación T y N, que potencialmente pasa por alto la información molecular.
• La heterogeneidad intra-tumoral (ITH) dentro de los subtipos CMS está relacionada con un peor pronóstico.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo para predecir CMS e ITH en CC utilizando imágenes de diapositivas completas (WSIs).
• Evaluar el rendimiento del modelo en las cohortes de validación interna y externa.
• Explorar la capacidad del modelo para mapear la distribución espacial de CMS y asociar las características histológicas con los subtipos de CMS.

Principales métodos:

• Se utilizaron WSIs de 1.996 pacientes con CC en las cohortes PETACC-8, TCGA-COAD y PRODIGE-13.
• Desarrolló un marco de aprendizaje profundo que involucra la incorporación de parches auto-supervisados y la predicción de CMS con supervisión débil.
• Utilizó el clasificador CMS para la puntuación de la verdad básica del CMS y realizó análisis de interpretabilidad.

Principales resultados:

• Se obtiene un AUC macro promedio alto: 93,0% (CV interna) y 94,4% (validación externa) para tumores homogéneos (modelo PETACC-8).
• El modelo predijo con precisión CMS y caracterizó ITH, demostrando la robustez en todas las cohortes.
• Se visualizó con éxito la distribución espacial de CMS y las asociaciones entre la histología y los subtipos de CMS.

Conclusiones:

• El aprendizaje profundo en WSIs de histología de rutina ofrece un método eficiente para predecir CC CMS e ITH.
• Este enfoque puede mejorar la estratificación del paciente para la terapia adyuvante, más allá de la estadificación tradicional.
• Los hallazgos apoyan la integración clínica de rutina de la evaluación de CMS e ITH en el manejo de CC.