Resumen
Antecedentes
La evaluación rápida in situ (ROSE) juega un papel importante durante el muestreo transbronquial, proporcionando una evaluación citopatológica intraoperatoria. Sin embargo, la escasez de citopatólogos limita su amplia aplicación. Este estudio tiene como objetivo desarrollar un modelo de aprendizaje profundo para analizar automáticamente imágenes citológicas ROSE.
Métodos
Se propuso el modelo jerárquico de subtipificación de cáncer de pulmón de etiquetas múltiples (HMLCS) que combina imágenes completas de portaobjetos ROSE y marcadores biológicos séricos para discriminar entre lesiones benignas y malignas y reconocer diferentes subtipos de cáncer de pulmón. Se recopiló retrospectivamente un conjunto de datos de 811 portaobjetos ROSE y marcadores biológicos séricos emparejados entre julio de 2019 y noviembre de 2020, y se dividió aleatoriamente para entrenar, validar y probar el modelo HMLCS. Se calcularon el área bajo la curva (AUC) y la precisión para evaluar el rendimiento del modelo, y se calculó el kappa de Cohen (κ) para medir la concordancia entre el modelo y la anotación. También se comparó el modelo HMLCS con el de personal profesional.
Resultados
El modelo HMLCS alcanzó valores de AUC de 0,9540 (intervalo de confianza (IC) del 95 %: 0,9257–0,9823) en la clasificación de maligno/benigno, 0,9126 (IC del 95 %: 0,8756–0,9365) en el subtipo de malignidad (cáncer de pulmón de células no pequeñas (CPCNP) , cáncer de pulmón de células pequeñas (CPCP) u otras neoplasias malignas), y 0,9297 (IC del 95 %: 0,9026–0,9603) en el subtipo de NSCLC (adenocarcinoma de pulmón (LUAD), carcinoma de células escamosas de pulmón (LUSC) o NSCLC no especificado de otra manera (NSCLC-NOS)), respectivamente. En total, el modelo logró un AUC de 0,8721 (IC del 95 %: 0,7714–0,9258) y una precisión de 0,7184 en la tarea de clasificación de seis clases (benigno, LUAD, LUSC, NSCLC-NOS, SCLC u otras neoplasias malignas). Además, el modelo demostró un valor κ de 0,6183 con la anotación, que era comparable al de los citopatólogos y superior al de los broncoscopistas y técnicos capacitados.
Conclusión
El modelo HMLCS mostró un rendimiento prometedor en la clasificación múltiple de lesiones pulmonares o linfadenopatía intratorácica, con posible aplicación para proporcionar información en tiempo real sobre diagnósticos preliminares de muestras durante los procedimientos de muestreo transbronquial.
Número de ensayo clínico
No aplicable.
Introducción
El cáncer de pulmón es la principal causa de muerte por cáncer en todo el mundo (1). La subtipificación patológica precisa es esencial para guiar estrategias de terapia personalizadas, especialmente para pequeñas biopsias y muestras de citología de pacientes con cáncer de pulmón inoperables.2). El muestreo transbronquial es la modalidad más común para obtener muestras de lesiones pulmonares y linfadenopatía intratorácica para un diagnóstico preciso, y ha demostrado ser seguro y eficaz.3,4,5,6). Sin embargo, durante el procedimiento no se pudo determinar si las muestras obtenidas fueron satisfactorias y suficientes. Si las muestras obtenidas no satisfacen las necesidades de un diagnóstico preciso, es posible que los pacientes deban someterse a exámenes invasivos adicionales. Para superar este problema, la evaluación rápida in situ (ROSE) ha surgido como una técnica auxiliar crucial para el muestreo transbronquial.7,8,9,10). Con ROSE, la muestra se somete a una evaluación citopatológica inmediata y el broncoscopista recibe información sobre la calidad de la muestra y el diagnóstico preliminar.
Para ROSE, la evaluación integral de las muestras generalmente la realizan citopatólogos experimentados directamente en la sala de broncoscopia. Sin embargo, la adopción generalizada de ROSE enfrenta un desafío importante debido a la escasez de citopatólogos, especialmente en áreas con menos recursos médicos. Mientras tanto, el proceso de evaluación manual requiere mucho tiempo y depende de la experiencia de los citopatólogos (11). Con el desarrollo de la inteligencia artificial (IA), se han propuesto varios métodos para la evaluación automática de imágenes patológicas (12,13,14,15). Sin embargo, sólo unos pocos estudios han explorado el ROSE asistido por IA para el muestreo transbronquial (16,17,18,19). Además, los estudios existentes sólo se centraron en el diagnóstico diferencial de benigno y maligno, y ninguno ha investigado la clasificación de los subtipos de cáncer de pulmón. Además, es fundamental reconocer que el diagnóstico del cáncer de pulmón no debe basarse únicamente en el análisis de imágenes. Recientemente, algunas investigaciones han demostrado que los modelos de IA que combinan imágenes médicas con marcadores biológicos séricos pueden promover la precisión de la subtipificación del cáncer de pulmón (20, 21).
En este estudio, propusimos un modelo jerárquico de subtipificación de cáncer de pulmón de etiquetas múltiples (HMLCS) que combina imágenes de portaobjetos completos (WSI) de portaobjetos ROSE y marcadores biológicos séricos, con el propósito de lograr un rendimiento comparable al de los citopatólogos en la discriminación entre lesiones benignas y malignas. y reconocer diferentes subtipos de cáncer de pulmón.
Materiales y métodos
Diseño del estudio
Se trata de un estudio observacional retrospectivo. La descripción general de este estudio se ilustra en la Fig. 1. El cáncer de pulmón se divide principalmente en cáncer de pulmón de células no pequeñas (NSCLC) y cáncer de pulmón de células pequeñas (SCLC). Aproximadamente entre el 80% y el 85% de los casos de cáncer de pulmón son NSCLC, y los subtipos de NSCLC incluyen adenocarcinoma de pulmón (LUAD), carcinoma de células escamosas de pulmón (LUSC) y algunos otros tipos. Para lograr un mejor rendimiento en la clasificación de los subtipos de cáncer de pulmón como se mencionó anteriormente, propusimos el modelo HMLCS que podría dividirse en tres módulos: módulo de clasificación benigna o maligna (B/M), módulo de subtipificación de malignidad (M-sub) y subtipificación de NSCLC. (NSCLC-sub) módulo. Específicamente, se ingresaron WSI de portaobjetos ROSE y marcadores biológicos séricos emparejados al modelo HMLCS. Primero los clasificamos como benignos o malignos con el módulo B/M. La clasificación se detenía aquí si el resultado de este paso era benigno. De lo contrario, la entrada se envió al módulo M-sub y se clasificó en tres subcategorías: NSCLC, SCLC u otras neoplasias malignas. Finalmente, si la salida del segundo paso fue NSCLC, dimos un paso más con el módulo NSCLC-sub para clasificar la entrada en tres subcategorías más profundas: LUAD, LUSC o NSCLC no especificado de otra manera (NSCLC-NOS). Los WSI de portaobjetos ROSE y marcadores biológicos séricos emparejados se recopilaron retrospectivamente y se dividieron aleatoriamente en conjuntos de entrenamiento, validación y prueba para desarrollar y probar nuestro modelo. Además, realizamos una comparación exhaustiva entre nuestro modelo y el personal profesional (incluidos citopatólogos, broncoscopistas capacitados y técnicos) para evaluar más a fondo el rendimiento de nuestro modelo. Este estudio fue aprobado por el Comité de Ética del Hospital de Tórax de Shanghai (No. KS2023) y se eximió del requisito de consentimiento informado. El estudio se realizó de acuerdo con la Declaración de Helsinki.
Figura 1Descripción general de este estudio. (A) La estrategia del modelo HMLCS. El modelo HMLCS se puede dividir en tres módulos: módulo de clasificación benigna o maligna (B/M), módulo de subtipificación de malignidad (M-sub) y módulo de subtipificación de NSCLC (NSCLC-sub). (B) Los detalles del modelo HMLCS. Los WSI se segmentaron en parches y luego los parches se codificaron en características mediante una red previamente entrenada. Para cada módulo, se utilizó la capa de atención para calcular las puntuaciones de atención para cada característica de parche, y las características de los parches dentro de un WSI se agregaron según las puntuaciones de atención. Finalmente, la característica agregada se concatenó con cinco marcadores biológicos séricos para que el clasificador realizara la clasificación. (do) La potencial aplicación del modelo HMLCS. El modelo HMLCS podría proporcionar información en tiempo real sobre el diagnóstico primario de muestras durante el muestreo transbronquial. LUAD: adenocarcinoma de pulmón, LUSC: carcinoma de células escamosas de pulmón, NOS: no especificado de otra manera, NSCLC: cáncer de pulmón de células no pequeñas, SCLC: cáncer de pulmón de células pequeñas, ROSE: evaluación rápida in situ, WSI: imágenes de diapositivas completas
Imagen a tamaño completoRecopilación de datos
Se recopilaron retrospectivamente las diapositivas ROSE de pacientes con lesiones pulmonares o linfadenopatía intratorácica que se sometieron a muestreo transbronquial en el Hospital de Tórax de Shanghai entre julio de 2019 y noviembre de 2020. Se realizó una de las siguientes técnicas de muestreo transbronquial: aspiración con aguja transbronquial (TBNA), biopsia de pulmón transbronquial (TBLB) y biopsia transbronquial (TBB). La TBB se realizó en lesiones pulmonares endobronquiales, la TBLB en lesiones pulmonares invisibles durante la broncoscopia y la TBNA en linfadenopatía intratorácica y lesiones pulmonares centrales adyacentes a las vías respiratorias. Durante el procedimiento, la muestra se estampó en portaobjetos de vidrio para un ROSE inmediato. Para las muestras obtenidas con fórceps, las muestras se recogieron con unas pinzas y se extendieron en círculos concéntricos de aproximadamente 1 cm de diámetro sobre los portaobjetos de vidrio. Para las muestras tomadas con pincel, se empujó la punta del pincel hacia afuera y las muestras se untaron en los portaobjetos de vidrio, formando un rectángulo de aproximadamente 1 cm x 2 cm. Para las muestras de agujas, el tejido se recogió con unas pinzas y se extendió en círculos concéntricos, y una gota de la muestra líquida se colocó en el portaobjetos de vidrio y se extendió presionando con otro portaobjetos. Los portaobjetos se secaron al aire y se tiñeron utilizando un kit de tinción Diff-Quik (Baso Diagnostics Inc., Zhuhai, China). Los portaobjetos se sumergieron en la solución A durante 20 a 30 segundos y se enjuagaron con solución salina tamponada con fosfato (PBS), seguido de la inmersión en la solución B durante 20 a 30 segundos y se enjuagaron con PBS. Debido a la conveniencia de la tinción Diff-Quik, encuentra una amplia aplicación en ROSE y permite una rápida diferenciación de subtipos de malignidad benigna y diversa (Fig. 2). Las muestras restantes después de la preparación del portaobjetos ROSE se enviaron para exámenes patológicos.
En este estudio solo se incluyeron pacientes con un procedimiento de muestreo transbronquial diagnóstico. Se consideró diagnóstica una biopsia que resultó en un proceso maligno o benigno específico (p. ej., tuberculosis, infección por hongos, etc.). Las muestras de biopsia con hallazgos benignos no específicos se consideraron diagnósticas sólo si: (1) el diagnóstico se confirmó mediante una cirugía posterior, mediastinoscopia o biopsia guiada por TC; o…
