Un modelo basado en IA para la detección de metástasis de ganglios linfáticos en imágenes de diapositivas completas en cáncer de vejiga: un estudio de diagnóstico multicéntrico retrospectivo.

fondo

La estadificación precisa de los ganglios linfáticos es importante para el diagnóstico y tratamiento de pacientes con cáncer de vejiga. Nuestro objetivo era desarrollar un modelo de diagnóstico de metástasis de ganglios linfáticos (LNMDM) en imágenes de corte completo y evaluar el impacto clínico del flujo de trabajo con la ayuda de inteligencia artificial (IA).

Métodos

En este estudio retrospectivo, multicéntrico, de diagnóstico en China, incluimos pacientes consecutivos con cáncer de vejiga que se sometieron a cistectomía radical y disección de ganglios linfáticos pélvicos, y para quienes se disponía de imágenes de diapositivas completas de secciones de ganglios linfáticos, para desarrollar el modelo. Se excluyeron los pacientes con cáncer diferente a la vejiga y cirugía concurrente o imágenes de baja calidad. Los pacientes de dos hospitales (Sun Yat-sen Memorial Hospital of Sun Yat-sen University y Zhujiang Hospital of Southern Medical University, Guangzhou, Guangdong, China) fueron asignados antes de la fecha límite establecida para la capacitación y después de la fecha a las cohortes de validación interna de cada hospital. . Los pacientes de otros tres hospitales (el Tercer Hospital Afiliado de la Universidad Sun Yat-sen, el Hospital Nanfang de la Universidad Médica del Sur y el Tercer Hospital Afiliado de la Universidad Médica del Sur, Guangzhou, Guangdong, China) se incluyeron como grupos de validación externa. Se utilizó un subconjunto de validación de caso duro de los cinco conjuntos de validación para comparar el rendimiento entre LNMDM y los patólogos, y otros dos conjuntos de datos (cáncer de mama del conjunto de datos CAMELYON16 y cáncer de próstata del Sun Yat-sen Memorial Hospital de la Universidad Sun Yat-sen) se usaron para probar el policarcinoma. El criterio principal de valoración fue la sensibilidad diagnóstica en las cuatro cohortes preseleccionadas (es decir, las cinco cohortes de validación, la cohorte de prueba de ganglio linfático único, la cohorte de prueba de cáncer múltiple y el subgrupo de comparación de rendimiento de LNMDM-patólogos).

los resultados

Entre el 1 de enero de 2013 y el 31 de diciembre de 2021 se incluyeron 1012 pacientes con cáncer de vejiga sometidos a cistectomía radical y linfadenectomía pélvica (8177 imágenes y 20 954 ganglios linfáticos). Se excluyeron 14 pacientes (165 imágenes) con cáncer no vesical concurrente y también se excluyeron 21 imágenes de baja calidad. Se incluyeron 998 pacientes y 7991 imágenes (881 [88%] hombres; 117 [12%] delgado; La edad promedio es de 64 años. [IQR 56–72]; Datos étnicos no disponibles; 268 [27%] con metástasis en los ganglios linfáticos) para desarrollar LNMDM. El área bajo la curva (AUC) para un diagnóstico preciso de LNMDM osciló entre 0 978 (IC del 95 %: 0 960–0 996) y 0 998 (0 996–1 000) en los cinco grupos de validación. Las comparaciones de desempeño entre LNMDM y patólogos mostraron que la sensibilidad diagnóstica del modelo (0 983
[95% CI 0·941–0·998]) superó significativamente a los de ambos patólogos junior (0 906
[0·871–0·934]) y patólogos senior (0 947 [0·919–0·968]), y que la asistencia de IA mejoró la sensibilidad tanto para los patólogos junior (de 0 906 sin IA a 0 953 con IA) como para los mayores (de 0 947 a 0 986). En la prueba de cáncer múltiple, LNMDM mantuvo un área bajo la curva de 0 943 (IC 95 % 0 918-0 969) en imágenes de cáncer de mama y 0 922 (0 884-0 960) en imágenes de cáncer de próstata. En 13 pacientes, LNMDM detectó un pequeño tumor que los patólogos habían pasado por alto y que previamente habían clasificado los resultados de estos pacientes como negativos. Las curvas características operativas del receptor mostraron que LNMDM permitiría a los patólogos excluir entre el 80 y el 92 % de los segmentos negativos mientras se mantenía una sensibilidad del 100 % en la aplicación clínica.

Explicación

Desarrollamos un modelo de diagnóstico basado en IA que funcionó bien en la detección de metástasis en los ganglios linfáticos, especialmente micrometástasis. LNMDM ha demostrado un gran potencial para aplicaciones clínicas en la mejora de la precisión y la eficiencia del trabajo de los patólogos.

financiación

Fundación Nacional de Ciencias Naturales de China, Proyecto de Planificación de Ciencia y Tecnología de la Provincia de Guangdong, Programa Nacional de Investigación y Desarrollo Clave de China, Centro de Investigación Clínica de Urología de la Provincia de Guangdong.