Método de aprendizaje profundo mejora diagnóstico del cáncer

Identificar la invasión vascular es fundamental para determinar la agresividad de un cáncer. Sin embargo, hacerlo de forma fiable puede resultar difícil con los flujos de trabajo estándar de patología. Los métodos convencionales requieren la aplicación de múltiples tinciones químicas en secciones de tejido separadas, lo que incrementa el coste, el tiempo de procesamiento y el riesgo de perder información diagnóstica. Investigadores han desarrollado un enfoque basado en inteligencia artificial (IA) que puede generar digitalmente múltiples tinciones diagnósticas a partir de una sola sección de tejido sin teñir, lo que permite una evaluación más precisa de la invasión del cáncer.

Investigadores de la Universidad de California en Los Ángeles (UCLA, Los Ángeles, CA, EUA), en colaboración con el Centro Médico de la Universidad Hebrea Hadassah (Jerusalén, Israel) y la Universidad del Sur de California (USC, Los Ángeles, CA, EUA), han presentado un marco de inmunohistoquímica multiplexada virtual que convierte imágenes de microscopía de autofluorescencia de tejido sin etiquetas en imágenes equivalentes de campo claro de tinción de hematoxilina y eosina, junto con dos marcadores inmunohistoquímicos clave: ERG para células endoteliales y PanCK para células tumorales epiteliales.

Imagen: inmunotinción multiplexada virtual con aprendizaje profundo de tejido sin etiquetas para la evaluación de la invasión vascular (fotografía cortesía de UCLA)

Primero se obtuvieron imágenes de secciones de tejido sin teñir mediante microscopía de autofluorescencia. Posteriormente, una red generativa adversarial condicional transformó digitalmente estas imágenes en múltiples tinciones virtuales mediante una única red neuronal profunda. Una matriz de tinción digital guió al modelo para producir imágenes virtuales de H&E, ERG y PanCK alineadas con precisión a partir de la misma sección de tejido, eliminando la necesidad de cortes seriados y tinciones químicas.

Al aplicarlo a microarrays de tejido tiroideo, el método de tinción virtual mostró una alta concordancia con las tinciones histoquímicas e inmunohistoquímicas convencionales. En evaluaciones a ciegas, patólogos certificados observaron que las tinciones generadas digitalmente eran comparables a los métodos tradicionales y, en algunos casos, demostraron una mayor consistencia y especificidad. El método, presentado en BME Frontiers , permitió una visualización más clara de las células tumorales dentro de los vasos sanguíneos o linfáticos, lo que permitió una identificación más fiable de la invasión vascular.

Dado que la tinción se genera computacionalmente, el método evita muchos artefactos asociados con la inmunohistoquímica convencional y ofrece resultados altamente reproducibles. Se pueden producir tinciones virtuales en segundos para regiones individuales y en minutos para imágenes de portaobjetos completos, lo que hace que el marco sea compatible con flujos de trabajo de patología digital de alto rendimiento. Si bien se ha demostrado en el cáncer de tiroides, el enfoque podría extenderse a otros tipos de tumores y marcadores diagnósticos adicionales, a la espera de una mayor validación clínica multicéntrica.

Enlaces relacionados:
Universidad de California en Los Ángeles (UCLA)
Centro Médico de la Universidad Hebrea Hadassah
Universidad del Sur de California