Histología Potenciada por IA para Perfilado Molecular en Tumores Cerebrales: Hacia Diagnósticos Inteligentes a partir...

Área de la Ciencia:

• Neuro-oncología
• Patología computacional
• Diagnóstico molecular

Sus antecedentes:

• La clasificación de tumores del sistema nervioso central (SNC) de la Organización Mundial de la Salud (OMS) integra características moleculares para mejorar el diagnóstico y la medicina de precisión.
• El acceso desigual a las pruebas moleculares dificulta la aplicación universal de diagnósticos integrados para tumores cerebrales.
• La inteligencia artificial (IA) ofrece una solución potencial al predecir alteraciones moleculares directamente a partir de datos histológicos.

Objetivo del estudio:

• Revisar el progreso actual de la predicción del perfilado molecular asistido por IA para tumores cerebrales utilizando datos histológicos.
• Destacar el potencial de la IA para superar los desafíos de accesibilidad diagnóstica en neurooncología.
• Explorar la aplicación de la IA tanto en cortes de tejido permanentes como intraoperatorios.

Principales métodos:

• Modelos de aprendizaje profundo aplicados a imágenes completas de portaobjetos (WSIs) de secciones permanentes para la predicción de biomarcadores de glioma (mutación IDH, co-deleción 1p/19q), subtipificación molecular y predicción de resultados.
• IA aplicada a cortes por congelación intraoperatorios para la gradación de glioma en tiempo real y predicción molecular.
• Exploración de modalidades novedosas como la histología de Raman estimulada y la traducción de imágenes adaptativa al dominio para el análisis de tejido sin etiquetas.
• Clasificación molecular basada en morfología impulsada por IA para ependimomas de la médula espinal y discriminación intraoperatoria de gliomas de linfomas primarios del SNC.

Principales resultados:

• Los modelos de IA logran una precisión a nivel de neuropatólogo en la predicción de biomarcadores clave y subtipos moleculares en gliomas a partir de imágenes completas de portaobjetos (WSIs).
• La IA permite el análisis en tiempo real de cortes por congelación intraoperatorios, facilitando decisiones clínicas inmediatas.
• La histología potenciada por IA muestra potencial en la clasificación de otros tumores cerebrales y en la diferenciación intraoperatoria de tipos de tumores.
• La integración de IA con la histología ofrece un camino hacia diagnósticos en neurooncología rápidos, precisos y accesibles a nivel mundial.

Conclusiones:

• La predicción de alteraciones moleculares a partir de la histología impulsada por IA es un campo en rápida evolución con un potencial significativo en neurooncología.
• Los diagnósticos asistidos por IA pueden democratizar el acceso a la clasificación integrada de tumores, mejorando la atención al paciente en todo el mundo.
• La sinergia entre la histología y los métodos computacionales está destinada a revolucionar el diagnóstico y el manejo de tumores cerebrales.