Detección de cáncer de próstata en conjuntos de datos de patología 3D mediante inmunomarcaje generativo

Área de la Ciencia:

• Patología
• Biología Computacional
• Oncología

Sus antecedentes:

• La patología 3D no destructiva permite el análisis volumétrico de especímenes clínicos, complementando la histología estándar.
• Estudios previos de patología 3D para la estratificación del riesgo de cáncer de próstata utilizaron anotaciones manuales, careciendo de una delineación detallada de las glándulas.
• La diferenciación precisa entre glándulas cancerosas y benignas es crucial para una estratificación precisa del riesgo.

Objetivo del estudio:

• Automatizar y mejorar la delineación de regiones benignas y enriquecidas con cáncer de próstata en conjuntos de datos de patología 3D.
• Desarrollar un pipeline computacional 3D para mejorar la estratificación del riesgo de cáncer de próstata.
• Validar la precisión del pipeline desarrollado frente a anotaciones expertas.

Principales métodos:

• Se desarrolló un pipeline computacional 3D llamado Marcaje Inmunológico Sintético para Mapas de Calor Generativos de Tumores (SIGHT).
• Se utilizaron modelos de traducción de imágenes 3D basados en aprendizaje profundo para la conversión supervisada de datos análogos de H&E a conjuntos de datos de inmunofluorescencia.
• SIGHT marca sintéticamente marcadores de citoqueratina para generar mapas de calor 3D de regiones enriquecidas con cáncer.

Principales resultados:

• SIGHT logró una puntuación F1 promedio de 0.88 en la validación frente a anotaciones expertas, comparable al acuerdo entre patólogos (puntuación F1 de 0.90).
• Los clasificadores de máquinas preliminares que utilizan características identificadas por SIGHT mostraron una relación de riesgo significativa de 3.57 para el riesgo de recurrencia.
• El análisis glandular volumétrico en regiones identificadas por SIGHT mejoró significativamente la estratificación del riesgo de cáncer de próstata en comparación con el análisis de todas las regiones de tejido.

Conclusiones:

• SIGHT automatiza eficazmente la delineación de glándulas prostáticas cancerosas y benignas en patología 3D, mejorando la precisión.
• El pipeline facilita una mejor estratificación del riesgo de cáncer de próstata a través de un análisis preciso de las características histomorfométricas 3D.
• SIGHT representa un avance significativo en el aprovechamiento de la patología 3D para el diagnóstico y pronóstico del cáncer personalizado.