Aplicación independiente en el mundo real de un sistema automatizado de detección de cáncer de próstata de grado clínico
Leonard M da Silva, Emilio M Pereira, Paulo Go Salles, Ran Godrich, Rodrigo Ceballos, Jeremy D Kunz, Adam Casson, Julian Viret, Sarat Chandarlapaty, Carlos Gil Ferreira, Bruno Ferrari, Brandon Rothrock, Patricia Raciti, Victor Reuter, Belma Dogdas , George DeMuth , Jillian Sue, Christopher Kanan , Leo Grady , Thomas J Fuchs, Jorge S Reis-Filho, inteligencia artificial; aprendizaje profundo; diagnóstico; histopatología; aprendizaje automático; cáncer de próstata; cribado, Los sistemas basados en la inteligencia artificial (IA) aplicados a las imágenes de diapositivas completas de histopatología tienen el potencial de mejorar la atención al paciente mediante la mitigación de los desafíos planteados por la variabilidad del diagnóstico, el número de casos de histopatología y la escasez de patólogos. Buscamos definir el rendimiento de un sistema automatizado de detección de cáncer de próstata basado en IA, Paige Prostate, cuando se aplica a datos independientes del mundo real. El algoritmo se empleó para clasificar los portaobjetos en dos categorías: benignos (no se necesita una revisión adicional) o sospechosos (se requiere un análisis histológico y/o inmunohistoquímico adicional). Se evaluó la sensibilidad, la especificidad, los valores predictivos positivos (VPP) y los valores predictivos negativos (VPN) de un patólogo local, dos patólogos centrales y Paige Prostate en el diagnóstico de 600 regiones de biopsia de próstata con aguja guiada por ecografía transrectal («especímenes parciales») de 100 pacientes consecutivos, y para determinar el impacto de Paige Prostate en la precisión y la eficacia del diagnóstico. Paige Prostate mostró una alta sensibilidad (0,99; IC 0,96-1,0), VPN (1,0; IC 0,98-1,0) y especificidad (0,93; IC 0,90-0,96) a nivel de muestra parcial. A nivel de paciente, Paige Prostate mostró una sensibilidad óptima (1,0; IC 0,93-1,0) y un VPN (1,0; IC 0,91-1,0) con una especificidad de 0,78 (IC 0,64-0,89). Los 27 especímenes parciales considerados por Paige Prostate como sospechosos, cuyo diagnóstico final fue benigno, resultaron ser atrofia (n = 14), atrofia y tejido prostático apical (n = 1), tejido prostático apical/benigno (n = 9), adenosis (n = 2) e hiperplasia post-atrófica (n = 1). Paige Prostate dio lugar a la identificación de otros cuatro pacientes cuyos diagnósticos pasaron de benignos/sospechosos a malignos. Además, esta prueba basada en la IA proporcionó una reducción estimada del 65,5% del tiempo de diagnóstico del material analizado. Dada su óptima sensibilidad y VPN, Paige Prostate tiene el potencial de ser empleado para la identificación automatizada de pacientes cuyos cortes histológicos podrían renunciar a una revisión histopatológica completa. Además de proporcionar mejoras incrementales en la precisión y eficiencia del diagnóstico, este sistema basado en la IA identificó a pacientes cuyos cánceres de próstata no fueron diagnosticados inicialmente por tres histopatólogos experimentados. 2021 Los autores. The Journal of Pathology publicado por John Wiley & Sons, Ltd. en nombre de The Pathological Society of Great Britain and Ireland.
Una evaluación independiente de un sistema de inteligencia artificial para la detección del cáncer de próstata muestra una gran precisión diagnóstica
Modern Pathology, Sudhir Perincheri, Angelique Wolf Levi, Romulo Celli, Peter Gershkovich, David Rimm, Jon Stanley Morrow, Brandon Rothrock, Patricia Raciti, David Klimstra, John Sinard, El cáncer de próstata es una de las principales causas de morbilidad y mortalidad de los varones adultos en Estados Unidos. El diagnóstico del carcinoma de próstata se suele realizar a partir de biopsias de próstata con aguja gruesa obtenidas por vía transrectal. Estas biopsias pueden suponer una parte importante de la carga de trabajo de los patólogos, pero la variabilidad en la experiencia y los conocimientos, así como la fatiga del patólogo, pueden afectar negativamente a la fiabilidad de la detección del cáncer. Los algoritmos de aprendizaje automático se están desarrollando cada vez más como herramientas para ayudar y mejorar la precisión del diagnóstico en la patología anatómica. El diagnóstico digital basado en la IA de Paige Prostate es una de esas herramientas entrenadas en el archivo de diapositivas digitales del Memorial Sloan Kettering Cancer Center (MSKCC) de Nueva York que clasifica una imagen de diapositiva completa de biopsia de próstata como «sospechosa» o «no sospechosa» de adenocarcinoma prostático. Para evaluar el rendimiento de este programa en biopsias de próstata obtenidas, procesadas y diagnosticadas de forma independiente en una institución no relacionada, utilizamos Paige Prostate para revisar 1876 imágenes de diapositivas completas (WSI) de biopsias de próstata de nuestra práctica en Yale Medicine. Las categorizaciones de Paige Prostate se compararon con el diagnóstico patológico originalmente realizado en los portaobjetos de vidrio para cada biopsia de núcleo. Las discrepancias entre el diagnóstico realizado y la categorización de Paige Prostate fueron revisadas manualmente por patólogos especializados en patología genitourinaria. Paige Prostate mostró una sensibilidad del 97,7% y un valor predictivo positivo del 97,9%, y una especificidad del 99,3% y un valor predictivo negativo del 99,2% en la identificación de biopsias centrales con cáncer en un conjunto de datos procedentes de una institución independiente. Se identificaron áreas de mejora en la gestión de Paige Prostate de las exploraciones de baja calidad. En general, estos resultados demuestran la viabilidad de portar un algoritmo de aprendizaje automático a una institución alejada de su conjunto de entrenamiento, y destacan el potencial de tales algoritmos como una poderosa herramienta de flujo de trabajo para la evaluación de las biopsias centrales de próstata en las prácticas de patología quirúrgica.
Un novedoso sistema de inteligencia artificial aumenta la detección del cáncer de próstata en imágenes de portaobjetos completos de biopsias con aguja gruesa
Modern Pathology, Patricia Raciti, Jillian Sue, Rodrigo Ceballos, Ran Godrich, Jeremy D. Kunz, Supriya Kapur, Victor Reuter, Leo Grady, Christopher Kanan, David S. Klimstra, Thomas J. Fuchs, El cáncer de próstata (CaP) es el segundo cáncer más común entre los hombres en Estados Unidos. El estándar de oro para la detección de PrCa es el examen de las biopsias centrales de próstata con aguja. El diagnóstico puede ser difícil, especialmente en el caso de los cánceres pequeños y bien diferenciados. Recientemente, se han desarrollado algoritmos de aprendizaje automático para la detección de PrCa en imágenes de portaobjetos completos (WSI) con una alta precisión de prueba. Sin embargo, se desconoce el impacto de estos sistemas de inteligencia artificial en el diagnóstico patológico. Para abordar esto, investigamos cómo los patólogos interactúan con Paige Prostate Alpha, un sistema de detección de PrCa de última generación, en WSI de biopsias de núcleo de próstata teñidas con hematoxilina y eosina. Tres patólogos certificados por la junta directiva de AP evaluaron 304 biopsias centrales de próstata anónimas en 8 horas. Los patólogos clasificaron cada WSI como benigno o canceroso. Después de ~4 semanas, los patólogos se encargaron de volver a revisar cada WSI con la ayuda de Paige Prostate Alpha. Para cada WSI, se utilizó Paige Prostate Alpha para realizar la detección del cáncer y, para los WSI en los que se detectó el cáncer, el sistema marcó la zona en la que se detectó el cáncer con la mayor probabilidad. El diagnóstico original de cada portaobjetos fue realizado por patólogos genitourinarios e incorporó cualquier estudio auxiliar solicitado durante la evaluación diagnóstica original. Contra esta verdad de base, los patólogos y Paige Prostate Alpha fueron medidos. Sin Paige Prostate Alpha, los patólogos tenían una sensibilidad media del 74% y una especificidad media del 97%. Con Paige Prostate Alpha, la sensibilidad media de los patólogos aumentó significativamente hasta el 90%, sin cambios estadísticamente significativos en la especificidad. Con Paige Prostate Alpha, los patólogos clasificaron correctamente con mayor frecuencia los tumores más pequeños y de menor grado, y dedicaron menos tiempo a analizar cada WSI. En futuros estudios se investigará si se obtienen beneficios similares cuando se utiliza este sistema para detectar otras formas de cáncer en un entorno que emule la práctica real.
