Distinción entre carcinoma mucinoso de ovario primario y metastásico a partir de imágenes de histopatología mediante...

Área de la Ciencia:

• Oncología
• Patología Digital
• Inteligencia Artificial

Sus antecedentes:

• La distinción entre el carcinoma mucinoso de ovario primario (CMO) y las metástasis gastrointestinales es clínicamente desafiante.
• La diferenciación precisa es fundamental para el tratamiento y manejo adecuados del paciente.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo para predecir el origen del CMO utilizando imágenes de histopatología.
• Evaluar el rendimiento del modelo en la distinción entre CMO ovárico primario y CMO metastásico.

Principales métodos:

• Desarrollo del Modelo de Predicción de Origen de CMO (MOCOPM) mediante aprendizaje profundo en imágenes de histopatología.
• Entrenamiento y validación de redes neuronales utilizando el área bajo la curva característica operativa del receptor (AUROC).
• Validación interna en una cohorte de tres hospitales y validación externa.

Principales resultados:

• MOCOPM logró un alto rendimiento diagnóstico, con un AUROC promedio de 0.91 internamente.
• El modelo demostró un excelente rendimiento en la validación externa, alcanzando un AUROC de 0.96.
• El estudio incluyó 167 pacientes con CMO en cohortes internas y externas.

Conclusiones:

• MOCOPM es una prometedora herramienta de aprendizaje profundo para apoyar la toma de decisiones clínicas en el diagnóstico de CMO.
• El modelo diferencia eficazmente entre CMO primario y metastásico basándose en la histopatología.
• Este enfoque impulsado por IA tiene el potencial de mejorar la precisión diagnóstica en casos difíciles.