Avanço na neuropatologia com classificação de gliomas difusos baseada em IA

Os gliomas difusos, que representam a maioria dos tumores cerebrais malignos em adultos, incluem astrocitoma, oligodendroglioma e glioblastoma. O diagnóstico atual dos tipos de glioma requer a combinação de características histológicas e moleculares.

Isto representa desafios únicos no desenvolvimento de um modelo de diagnóstico integrado diretamente da imagem de slide inteiro (WSI) para classificar diferentes tipos de gliomas difusos do tipo adulto, analisando WSIs. Além disso, a resolução em nível de gigapixel do WSI torna a rede neural convolucional original computacionalmente impossível.

Em um estudo publicado em Comunicações da Naturezauma equipe de pesquisa liderada pelo Prof. Li Zhicheng do Instituto de Tecnologia Avançada de Shenzhen (SIAT) da Academia Chinesa de Ciências propôs um modelo de diagnóstico integrado para classificação automática de gliomas difusos do tipo adulto diretamente do padrão patológico de lâmina inteira sem anotações imagens sem necessidade de teste molecular.

O modelo pode classificar tumores estritamente de acordo com a quinta edição da Classificação de Tumores do Sistema Nervoso Central (SNC) da Organização Mundial da Saúde (OMS), lançada em 2021.

Os pesquisadores desenvolveram um modelo de aprendizagem profunda que analisa WSIs, permitindo identificar e classificar gliomas sem extensa anotação manual.

O modelo foi treinado e validado em um conjunto de dados de 2.624 casos de pacientes de três hospitais diferentes, garantindo um conjunto de dados diversificado e abrangente. A eficácia do modelo foi medida pela sua precisão na classificação, pela sensibilidade a diferentes tipos e graus de glioma e pela capacidade de distinguir entre genótipos com características histológicas semelhantes.

Os resultados experimentais mostraram que o modelo proposto alcança alto desempenho com a área sob a curva do operador do receptor acima de 0,90 na classificação dos principais tipos de tumores, na identificação de graus tumorais dentro do tipo e, especialmente, na distinção de genótipos tumorais com características histológicas compartilhadas.

“Nosso modelo de diagnóstico integrado tem potencial para ser usado em cenários clínicos para classificação automatizada e imparcial de gliomas difusos do tipo adulto”, disse o Prof. “A pesquisa futura se concentrará em melhorar este modelo para ter conjuntos de dados multicêntricos e multirraciais”.