Qué deben saber los patólogos y oncólogos en ejercicio sobre las nuevas herramientas de diagnóstico complementario...

Área de la Ciencia:

• Patología digital
• Patología computacional
• Inteligencia artificial en medicina

Sus antecedentes:

• La integración de la IA en patología transforma la evaluación de portaobjetos histológicos e inmunohistoquímicos (IHC).
• Las herramientas actuales de IA detectan, gradan y clasifican enfermedades, avanzando hacia la predicción de biomarcadores y el pronóstico del paciente.
• Las aplicaciones emergentes de IA incluyen ensayos de diagnóstico complementario para predecir la respuesta a los fármacos.

Objetivo del estudio:

• Proporcionar una visión general de las nuevas herramientas de diagnóstico complementario basadas en patología computacional.
• Informar a los patólogos y oncólogos sobre la transición de las herramientas de IA de la investigación a la práctica clínica.
• Destacar el potencial de la IA en la mejora de la atención al paciente con cáncer a través de la medicina personalizada.

Principales métodos:

• Revisión de las aplicaciones actuales de IA en patología, incluidos los modelos de aprendizaje automático supervisado.
• Análisis de estudios que demuestran la superioridad de la IA en la evaluación de marcadores de IHC como TROP2, HER2 y PD-L1.
• Discusión sobre el desarrollo y la traslación clínica de herramientas de patología computacional.

Principales resultados:

• Los modelos de aprendizaje automático supervisado muestran superioridad en la evaluación de marcadores de IHC en comparación con la puntuación humana (por ejemplo, TROP2 en el ensayo TROPION-PanTumor01).
• Los enfoques de IA demuestran ser prometedores en el refinamiento de las evaluaciones de HER2 y PD-L1, identificando subgrupos de pacientes para terapias dirigidas.
• Se están desarrollando nuevas herramientas computacionales como diagnósticos complementarios, que vinculan la evaluación de biomarcadores con la predicción de la respuesta a los fármacos.

Conclusiones:

• La IA está revolucionando la patología al permitir diagnósticos más precisos y eficientes.
• Los diagnósticos complementarios de patología computacional representan un avance significativo en el tratamiento personalizado del cáncer.
• La comprensión y adopción de estas herramientas de IA son cruciales para que los médicos mejoren los resultados de los pacientes.