Se evalúa de manera automática la gemación del carcinoma colorrectal

Estos casos pertenecen a una cohorte de pacientes previamente publicada de 381 pacientes (166 hombres, 215 mujeres, mediana de edad de 70,1 años).

El equipo combinó métodos clásicos de segmentación (como operaciones morfológicas) y técnicas de aprendizaje automático (k-means y agrupamiento jerárquico, redes neuronales convolucionales) para detectar confiablemente brotes tumorales en muestras de carcinoma colorrectal coloreadas inmunohistoquímicamente para la pancitoqueratina. Como una posible aplicación, la ensayaron en imágenes de láminas completas, así como en microarrays de tejidos (TMA) de la cohorte de CCR clínicamente bien clasificada. Los cortes secuenciales se digitalizaron como imágenes de láminas completas (WSI) utilizando un microscopio digital y un escáner M8 (PreciPoint GmbH, Freising, Alemania).

Los científicos informaron que su herramienta de evaluación automática de gemación tumoral detectó el número absoluto de brotes tumorales por imagen con una muy buena correlación con la clasificación obtenida por segmentación manual. Además, a través de la evaluación automática de imágenes de las láminas completas de 20 pacientes con CCR, descubrieron que ni el número detectado de gemaciones tumorales en el frente de invasión ni el número en zonas activas se asociaron con el estado ganglionar. Sin embargo, el número de grupos espaciales de brotes tumorales (puntos calientes en gemación) se correlacionó significativamente con el estado ganglionar. Las TMA no fueron factibles para la evaluación de la gemación tumoral, ya que la relación espacial de las gemas tumorales (especialmente las zonas activas) no estaban conservadas.

Los autores concluyeron que, sobre la base de una combinación de procesamiento de imágenes y aprendizaje automático, descubrieron que no es el número absoluto de formaciones tumorales clasificadas como “brotes tumorales” dentro de la región infiltrante, sino su disposición espacial en puntos críticos importantes y especialmente el número de tales puntos de acceso los que son clínicamente significativos. En consecuencia, el consejo para el patólogo quirúrgico es centrarse más en la distribución espacial (como el tipo de diagnóstico de patrón), en lugar de en el número absoluto, de los brotes tumorales. El estudio fue publicado el 28 de agosto de 2018 en la revista Diagnostic Pathology.

Enlace relacionado:
Centro Médico Universitario de Mannheim
Universidad Médica de Graz
PreciPoint GmbH