El Dr. Sudhir Perincheri, profesor adjunto de patología y director de patología digital en Yale Medicine, encabezó un estudio de Paige Prostate sobre biopsias de próstata obtenidas, procesadas y diagnosticadas de forma independiente en Yale Medicine. En Pathology Visions 2022, ofreció una fascinante presentación sobre los detalles de este estudio, junto con ideas adicionales sobre cómo la introducción de herramientas de inteligencia artificial (IA) en la clínica podría afectar a la práctica de la patología.
El Dr. Perincheri comenzó la sesión con una inmersión en el diseño del estudio. Se incluyó un total de 1.876 biopsias de próstata de Yale. Cada núcleo se cortó en 5 niveles, que determinaron los procedimientos de tinción; los niveles 1, 3 y 5 se tiñeron con hematoxilina y eosina (H&E), mientras que los niveles 2 y 4 se dejaron sin teñir. Cada caso fue revisado por un residente o becario y un patólogo especialista en Genitourinaria para llegar a un diagnóstico final, que actuaría como verdad de base. Las categorías diagnósticas representadas en el estudio incluían el carcinoma (típicamente variantes de adenocarcinoma), la neoplasia intraepitelial prostática de alto grado (HG-PIN) + pequeñas glándulas atípicas adyacentes (PIN-ATYP), la pequeña proliferación acinar atípica (ASAP)/atipia glandular focal (FGA), la proliferación intraductal atípica o la benignidad.
El nivel 3 de cada biopsia de núcleo fue escaneado, despojado de identificadores y luego revisado con Paige Prostate*. La IA se aplicó sin ajustes específicos del lugar, lo que constituyó un elemento diferenciador fundamental entre este estudio y otros que el equipo de Yale estaba realizando en ese momento. Este fue un componente crítico para evaluar el grado de generalización del algoritmo y ayudar al equipo a sacar conclusiones sobre cómo podría aplicarse en la práctica clínica. Paige Prostate* leyó cada portaobjetos e identificó los núcleos como «sospechosos» (para carcinoma, PIN-ATYP o ASAP) o «no sospechosos» (no contienen esas legiones). El resultado de la IA se comparó con los diagnósticos clínicos para comprobar la concordancia, y los casos discordantes se sometieron a un análisis adicional.
El objetivo del estudio, explicó el Dr. Perincheri, era comprobar la utilidad de las tecnologías de diagnóstico asistidas por ordenador en un flujo de trabajo clínico complejo. «Cuando se tienen, por término medio, 17 bloques de un paciente, divididos en varios niveles, lo que equivale a unas 51 diapositivas, y en un día determinado estamos recibiendo unas 6-8 de estas biopsias, estamos viendo 400 diapositivas de biopsias centrales de próstata solamente. Por lo tanto, el problema con el que se enfrentan la mayoría de las prácticas de patología quirúrgica es que hay mucho trabajo involucrado…. Cuando hicimos este estudio, queríamos tomar el algoritmo, aplicarlo a un conjunto de datos independiente, ver sus métricas de rendimiento y sacar algunas conclusiones sobre cómo se podrían implementar estas herramientas en la práctica».
El Dr. Perincheri pasó a exponer los resultados del estudio y sus principales conclusiones. En primer lugar, observó que Paige Prostate* tuvo un buen rendimiento, ya que la IA proporcionó un diagnóstico concordante para la gran mayoría (1.796) de los núcleos. En el caso de los núcleos discrepantes «no sospechosos», en los que Paige Prostate* calificó el núcleo como no sospechoso pero los patólogos que lo diagnosticaron lo calificaron como sospechoso, explicó, había algunas cualidades interesantes a tener en cuenta:
- En 4 de los 5 núcleos en los que no se detectó un foco de adenocarcinoma, otras biopsias de núcleo del mismo paciente con carcinoma fueron marcadas por Paige Prostate*.
- 2 de los 5 casos tenían características de glándula espumosa – sin embargo había otros ejemplos en los que el algoritmo marcaba con éxito esta variante
- La mayoría de los focos perdidos eran pequeños y, en algunos casos, estaban mejor representados en otros niveles, que no fueron escaneados y entregados a Paige
- 2 de los núcleos se perdieron en las lecturas manuales también
Señaló que es posible que si se hubieran puesto a disposición todos los niveles de los núcleos, Paige Prostate* hubiera marcado con éxito los núcleos perdidos.
A continuación, pasó a analizar los núcleos discrepantes «sospechosos», en los que Paige Prostate* identificó un núcleo como sospechoso, pero los patólogos lo habían diagnosticado como no sospechoso. Tras una nueva revisión de esos núcleos por parte de los patólogos de Yale, aprovechando la función de retícula de Paige Prostate*, que resalta el foco de interés, la clasificación se modificó de forma que la clasificación del patólogo y el resultado de Paige AI coincidieron en 6 de los núcleos.
Por lo tanto, el estudio encontró que Paige Prostate* demostró:
- VPP = 97,9%.
- VAN = 99,2%.
- Sensibilidad = 99,7%.
- Especificidad = 99,3%.
Con la experiencia de primera mano de probar herramientas de patología de IA, junto con los prometedores resultados del estudio, el Dr. Perincheri ofreció algunas conclusiones sobre cómo la IA como Paige Prostate* podría transformar la práctica de la patología. En primer lugar, explicó que la IA podría utilizarse como herramienta de preselección. En el caso de este estudio, sólo un tercio de las biopsias habrían requerido una revisión manual, lo que supone un importante ahorro de tiempo. Por otra parte, dijo, la IA podría ofrecer una segunda lectura, ya que Paige Prostate* logró destacar incluso focos muy pequeños de glándulas atípicas, lo que podría aumentar la confianza de los patólogos en el diagnóstico, y también supondría un ahorro de tiempo. «Teniendo en cuenta el factor del alto volumen de casos, y el factor de la experiencia y los conocimientos que varían entre los patólogos, así como el cansancio y la presión sobre el tiempo, todo ello influye en el rendimiento, la precisión, etc. Así que creemos que lo que nos muestran los datos es que [with these tools] hay un potencial de ahorro tanto en carga de trabajo como en precisión, exactitud y tiempos de entrega», dijo. Durante el proceso de diagnóstico, también señaló que la IA podría automatizar varios aspectos de los informes, como la clasificación de Gleason o la identificación de la invasión perineural, lo que puede permitir reducir la subjetividad y aumentar la precisión.
El Dr. Perincheri recordó a la audiencia que los pasos de garantía de calidad serán fundamentales para que la IA ofrezca un rendimiento óptimo, y para que los patólogos obtengan el máximo rendimiento de estas herramientas. También señaló que la naturaleza de la práctica que implemente estas herramientas -ya sea una práctica académica o privada-, así como el número de patólogos que se empleen, influirán en lo beneficioso que podrían ser estos diversos casos de uso. Por ejemplo, señaló que las métricas pueden ser más fuertes en un caso en el que hay un pequeño equipo de patología y, por lo tanto, menos ojos en cada caso, ya que estos equipos podrían beneficiarse en gran medida del nivel adicional de escrutinio que la IA puede ofrecer. También subrayó que la portabilidad entre conjuntos de datos, como expuso Paige Prostate*, sería esencial para aprovechar el potencial de la IA. Aun así, en última instancia concluyó que
«Creo que todo el mundo está de acuerdo en que estas herramientas de diagnóstico asistidas por ordenador van a ser indispensables en un flujo de trabajo clínico».
Lea el estudio completo de Yale Medicine Paige Prostate y su análisis aquí.
*A partir del 1 de marzo de 2022, Paige Prostate se actualizó a Paige Prostate Suite, bajo el cual Paige Prostate Detect y Paige Prostate Grade and Quantify se convirtieron en dos productos diferentes. En este estudio se utilizaron tanto Paige Prostate Detect como Paige Prostate Grade and Quantify.
