La patología es la piedra angular de la atención del cáncer. La necesidad de precisión en el diagnóstico histopatológico del cáncer está aumentando a medida que la terapia personalizada contra el cáncer requiere una evaluación precisa de los biomarcadores. En la actualidad, la aparición del análisis de imágenes digitales promete mejorar tanto el volumen como la precisión de la evaluación histomorfológica.
Recientemente, el aprendizaje automático, y en particular el aprendizaje profundo, ha permitido avances rápidos en patología computacional. La integración del aprendizaje automático en la atención de rutina será un hito para el sector de la salud en la próxima década, y la histopatología está en el centro de esta revolución.
Los ejemplos de posibles aplicaciones de aprendizaje automático de alto valor incluyen tanto la evaluación basada en modelos de las características de diagnóstico de rutina en patología como la capacidad de extraer e identificar características novedosas que brindan información sobre una enfermedad. Resultados innovadores recientes han demostrado que las aplicaciones de los métodos de aprendizaje automático en patología mejoran significativamente la detección de metástasis en los ganglios linfáticos, la puntuación Ki67 en el cáncer de mama, la clasificación de Gleason en el cáncer de próstata y la puntuación de linfocitos infiltrantes de tumores (TIL) en el melanoma.
Además, también se ha demostrado que los modelos de aprendizaje profundo pueden predecir el estado de algunos marcadores moleculares en el cáncer de pulmón, próstata, gástrico y colorrectal basándose en portaobjetos HE estándar. También se han demostrado modelos pronósticos (resultados de supervivencia) de redes neuronales profundas basados en diapositivas HE digitalizadas en varias enfermedades, como el cáncer de pulmón, el melanoma y el glioma.
En esta revisión, nuestro objetivo es presentar y resumir los últimos avances en el análisis de imágenes digitales y en la aplicación de la inteligencia artificial en patología diagnóstica.
Acs, B, Rantalainen, M, Hartman, J (Karolinska Institutet, Stockholm, Sweden) Artificial intelligence as the next step towards precision pathology. J Intern Med; 2020; 288: 62– 81. https://doi.org/10.1111/joim.13030
Haga un comentario