Un híbrido de aprendizaje profundo y nomograma clínico para predecir la metástasis de ganglios linfáticos centinela...

Área de la Ciencia:

• En el campo de la oncología
• Patología computacional
• La informática médica

Sus antecedentes:

• El melanoma es un peligroso cáncer de piel en el que la metástasis a los ganglios linfáticos es un indicador pronóstico clave.
• La predicción de la metástasis del ganglio linfático centinela (SLNM) en el melanoma es crucial para el manejo del paciente, pero ha sido poco explorada utilizando métodos computacionales.
• Los modelos existentes de aprendizaje automático y profundo se centran principalmente en el diagnóstico de melanoma, no en la predicción de SLNM.

Objetivo del estudio:

• Desarrollar una máquina colaborativa y un modelo de aprendizaje profundo que integre la histopatología y los datos clínicos para predecir la SLNM en el melanoma invasivo.
• Mejorar la toma de decisiones clínicas con respecto a la biopsia de ganglios linfáticos centinela (SLNB).

Principales métodos:

• Desarrolló un modelo de aprendizaje de múltiples instancias de atención restringida (CLAM) utilizando imágenes de diapositivas enteras teñidas de H&E de 78 casos de melanoma invasivo.
• Utilizó un codificador ResNet50 (CLAM-R50) y lo integró con un nomograma clínico.
• Creó un modelo híbrido utilizando regresión logística, SVM y aumento de gradiente, llamado Melanoma Indicative Scorer for Sentinel Lymph node Evaluation (MISSLE).

Principales resultados:

• CLAM-R50 obtuvo un AUROC de 0,875; el nomograma clínico obtuvo 0,826.
• El modelo híbrido MISSLE demostró un rendimiento superior con un AUROC de 0,950 en el conjunto de pruebas.
• Los mapas de atención identificaron características celulares específicas asociadas con el estado de SLNM.

Conclusiones:

• MISSLE integra efectivamente los datos histopatológicos y clínicos para predecir la SLNM con alta precisión, superando a los métodos anteriores.
• Este modelo sirve como una herramienta valiosa para la toma de decisiones clínicas en el manejo del melanoma.
• Se necesita una validación futura en diversas cohortes debido a las limitaciones de un solo centro y de cohortes.