Video Experimental Relacionado
Updated: Feb 23, 2026
Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
Published on: July 11, 2025
Aplicación de la inteligencia artificial en la patología de rutina: ChatGPT-4.0 y Gemini 2.5 pro desempeño en la
Serena Salzano1, Giuseppe Broggi1, Magda Zanelli2
1Department of Medical and Surgical Sciences and Advanced Technologies "G.F. Ingrassia" Anatomic Pathology, University of Catania, 95123 Catania, Italy.
Los modelos de IA de propósito general son prometedores para clasificar el estado de la reparación de desajuste (MMR) en el cáncer colorrectal utilizando imágenes de diapositivas completas de inmunohistoquímica. Sin embargo, la detección precisa de MMR deficiente requiere un claro control positivo interno para obtener resultados confiables.
Área de la Ciencia:
- Oncología Oncología.
- La inteligencia artificial es inteligencia artificial.
- Patología Patología Patología.
Sus antecedentes:
- La inmunohistoquímica (IHC) es vital para el diagnóstico y tratamiento del carcinoma colorrectal (CRC).
- La clasificación precisa del estado de la proteína MMR es crítica para el manejo del paciente.
Objetivo del estudio:
- Evaluar la viabilidad y la precisión del diagnóstico de los modelos de lenguaje visual (VLM) de propósito general como Gemini y ChatGPT-4.0 para la clasificación automática del estado de MMR.
- Para evaluar el rendimiento de VLM en imágenes de diapositivas completas (WSIs) en CRC.
Principales métodos:
- Análisis retrospectivo de 50 casos de CCR con fenotipos MMR conocidos.
- Los VLM realizaron una doble evaluación: evaluación individual de la proteína IHC y el estado general de MMR (pMMR / dMMR).
Principales resultados:
- Los modelos de IA lograron una especificidad del 100% para los casos de MMR proficientes (pMMR).
- La sensibilidad general para la detección deficiente de MMR (dMMR) fue del 65%, con una menor precisión para la pérdida de MSH2/MSH6 (60%) que para la pérdida de MLH1/PMS2 (70%).
Conclusiones:
- Los modelos de IA lucharon para confirmar la verdadera pérdida de proteínas, a menudo dando resultados "indeterminados".
- La certeza diagnóstica mejoró significativamente con un control positivo interno visible (IPC).
- IPC es esencial para una identificación robusta de dMMR y para distinguir la pérdida biológica de los artefactos.
