Predicción mejorada del riesgo de metástasis en el carcinoma de células escamosas cutáneas utilizando aprendizaje...

Área de la Ciencia:

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

Sus antecedentes:

• El carcinoma cutáneo de células escamosas (CSCC) es un cáncer de piel frecuente con un potencial metastásico significativo.
• La metástasis en el CSCC está asociada con un mal pronóstico, lo que requiere métodos mejorados de estratificación del riesgo.

Objetivo del estudio:

• Desarrollar y validar cSCCNet, un modelo de aprendizaje profundo para predecir el riesgo metastásico en la cSCC primaria.
• Evaluar el rendimiento de cSCCNet en comparación con las herramientas de pronóstico existentes.

Principales métodos:

• Desarrollo de cSCCNet utilizando imágenes de patología digital de 227 casos primarios de cSCC en cuatro centros.
• Análisis retrospectivo con una cohorte de prueba de retención del 20%.
• Generación de mapas de calor para la explicabilidad del modelo.

Principales resultados:

• cSCCNet logró un AUC de 0,95 y un 95% de precisión en la predicción del riesgo de metástasis.
• El modelo demostró un rendimiento superior en comparación con las herramientas basadas en la expresión génica y las clasificaciones clínicas patológicas.
• El análisis multivariado confirmó que cSCCNet es un predictor independiente de la metástasis.

Conclusiones:

• cSCCNet muestra potencial como herramienta fiable y precisa para la predicción del riesgo metastásico en cSCC.
• El modelo puede identificar características histopatológicas nuevas más allá de los factores de riesgo establecidos.
• La integración en los flujos de trabajo de histopatología existentes podría mejorar el manejo del paciente.