Reconocimiento Automático y Predicción Pronóstica de Metástasis Hepáticas Colorrectales Utilizando un Marco de Aprendizaje Profundo Multiescala: Estudio de Desarrollo y Validación de Modelos.

El cáncer colorrectal (CCR) se encuentra entre los tumores malignos más prevalentes a nivel mundial, siendo la metástasis hepática una de las principales causas de mortalidad en los pacientes afectados [^[1-3]]. En particular, en los países de ingresos altos, tanto la incidencia como las tasas de mortalidad del CCR siguen siendo elevadas. Según las estadísticas globales sobre el cáncer, el CCR se clasifica constantemente entre los principales tipos de cáncer en términos de incidencia, y aproximadamente del 25% al 50% de los pacientes con CCR eventualmente desarrollarán metástasis hepáticas. La metástasis hepática no solo representa el principal factor determinante de la muerte relacionada con el CCR, sino que también afecta notablemente la calidad de vida y la eficacia del tratamiento de los pacientes. Por lo tanto, el diagnóstico temprano y preciso, así como la predicción fiable de la metástasis hepática del cáncer colorrectal (MHC), son esenciales para mejorar los resultados de los pacientes y guiar las estrategias terapéuticas personalizadas [^[4-6]]. El aprendizaje profundo, una tecnología líder en el campo de la inteligencia artificial, ha demostrado un gran potencial en esta área. Al aprovechar grandes conjuntos de datos de imágenes patológicas, los algoritmos de aprendizaje profundo pueden aprender y extraer de forma autónoma características clínicamente relevantes, mejorando así la precisión diagnóstica y la evaluación pronóstica de la MHC [^[7][8]].

En los últimos años, el rápido avance de las tecnologías de aprendizaje profundo ha revolucionado el análisis de imágenes médicas [^[9][10]], permitiendo la interpretación eficiente de datos patológicos complejos a través de la extracción automatizada de características [^[11]]. A pesar de estos avances, persisten importantes lagunas en la aplicación del aprendizaje profundo al diagnóstico y la predicción pronóstica de la MHC. La mayoría de los estudios existentes se basan en modelos únicos de aprendizaje profundo, que a menudo tienen dificultades para capturar con precisión características patológicas complejas, como los límites del tumor y los detalles microarquitectónicos. Esta limitación compromete la precisión y la solidez de los resultados predictivos. Además, sigue siendo un desafío urgente determinar cómo integrar eficazmente las fortalezas de diferentes algoritmos de aprendizaje profundo para construir modelos más completos y fiables [^[8][12]].

En los últimos años, las técnicas de aprendizaje profundo se han aplicado ampliamente al diagnóstico y la predicción pronóstica de la MHC. La mayoría de los estudios existentes se han basado en marcos de modelos únicos, como U-Net, ResNet o redes de memoria a corto plazo temporal, para la segmentación de lesiones, la clasificación de imágenes o la predicción dinámica de la enfermedad, respectivamente. Sin embargo, estos enfoques a menudo presentan capacidades limitadas de extracción de características, una incapacidad para abordar simultáneamente tanto las tareas de diagnóstico como las pronósticas, y una adaptación deficiente a la heterogeneidad inherente de las imágenes patológicas. Para proporcionar una visión general completa del panorama actual, hemos revisado sistemáticamente estudios representativos basados en el aprendizaje profundo en el análisis de la MHC, resumiendo sus tareas específicas, fuentes de datos, ventajas y limitaciones (Tabla S1 en el Apéndice Multimedia 1). En contraste, el modelo de red de metástasis hepática del cáncer colorrectal (CLM-Net) propuesto en este estudio integra las fortalezas arquitectónicas de VGG16, DeepLab-v3 y U-Net, e incorpora la fusión de características multiescala, módulos de atención de compresión y expansión (SE) y un componente de postprocesamiento de campos aleatorios condicionales. Estas mejoras mejoran significativamente el rendimiento del reconocimiento de imágenes al tiempo que permiten una predicción pronóstica precisa y una aplicabilidad clínica sólida, abordando eficazmente las limitaciones de los modelos de tarea única existentes.

Para superar estos desafíos, diseñamos y desarrollamos un nuevo marco de aprendizaje profundo de conjunto multi-modelo, CLM-Net, diseñado para mejorar tanto la eficiencia como la precisión del análisis de imágenes patológicas en la MHC. CLM-Net aprovecha las fortalezas de múltiples arquitecturas de aprendizaje profundo, incluidas las redes neuronales convolucionales (CNN) (por ejemplo, VGG16), los modelos de segmentación (por ejemplo, DeepLab-v3) y los módulos de procesamiento multiescala. El modelo integra características patológicas de múltiples resoluciones para mejorar la capacidad de representación y la generalización. En la etapa de extracción de características, se introduce un mecanismo de atención SE para fortalecer el enfoque del modelo en las áreas clave de la lesión, mejorando así la precisión del análisis. Además, la adopción del aprendizaje por transferencia no solo acelera la convergencia del modelo, sino que también mejora el rendimiento en conjuntos de datos de muestra limitada.

CLM-Net está diseñado para abordar desafíos críticos en el diagnóstico y la evaluación pronóstica de la MHC mediante la extracción e integración automática de características microscópicas de imágenes patológicas, en combinación con indicadores clínicos relevantes. Este enfoque integrado proporciona una herramienta de predicción altamente eficiente y precisa. El objetivo principal de este estudio es mejorar la precisión diagnóstica y la evaluación pronóstica de la MHC, al tiempo que se superan las limitaciones de los modelos actuales en la representación de características y el rendimiento general.

Este trabajo no solo cierra una importante brecha tecnológica en el campo del diagnóstico y el pronóstico de la MHC, sino que también abre nuevas vías para el desarrollo de la medicina personalizada. Al combinar la extracción de características patológicas con el análisis predictivo, CLM-Net tiene un gran potencial como una herramienta valiosa en la oncología de precisión para la MHC, contribuyendo tanto a la innovación tecnológica como a la mejora de la toma de decisiones clínicas.

En resumen, proponemos CLM-Net, un nuevo marco de aprendizaje profundo que incorpora el aprendizaje de conjunto multi-modelo, los mecanismos de atención y el aprendizaje por transferencia para mejorar el reconocimiento automatizado y la predicción pronóstica de las imágenes patológicas de la MHC. Hipotetizamos que CLM-Net demostrará un rendimiento superior en la precisión diagnóstica, la capacidad pronóstica y la generalización en comparación con los enfoques de modelo único convencionales, y será muy valorado por los profesionales clínicos por su utilidad práctica.

Métodos

Consideraciones éticas

Este estudio se llevó a cabo utilizando conjuntos de datos de dominio público, incluido el conjunto de datos de segmentación de tumores hepáticos de Kaggle y The Cancer Imaging Archive (TCIA). Dado que los datos son de acceso público y están completamente desidentificados, no se requirió la aprobación del comité de ética institucional para este estudio retrospectivo, de acuerdo con las políticas institucionales del Primer Hospital del Pueblo de Yongkang, afiliado a la Facultad de Medicina de Hangzhou (el documento de política está disponible a petición). El estudio se llevó a cabo de acuerdo con los principios éticos establecidos en la Declaración de Helsinki.

Todos los conjuntos de datos utilizados en este estudio contienen información anónima de los pacientes y no se accedió a ningún dato personal identificable. Por lo tanto, no se requirió el consentimiento informado de los participantes individuales.

El estudio se adhirió a los principios de privacidad y confidencialidad de los datos, ya que solo se utilizaron datos de imagen y metadatos clínicos desidentificados para fines de investigación.

No se proporcionó ninguna compensación financiera u otra a los participantes, ya que este estudio no implicó el reclutamiento o la intervención directa de pacientes.

Descarga e integración de datos públicos

Los datos de imágenes patológicas utilizados en este estudio se obtuvieron principalmente de 2 bases de datos públicas: el conjunto de datos del desafío de segmentación de tumores hepáticos en Kaggle y TCIA. El conjunto de datos de Kaggle contenía 129 diapositivas histopatológicas relacionadas con la MHC con información clínica correspondiente, incluido el edad, el sexo y el estadio del tumor. Para mejorar aún más el tamaño y la diversidad de la muestra, se obtuvieron 68 casos adicionales de MHC de TCIA. En total, se incluyeron datos de imagen de 197 pacientes. Después del control de calidad y el aumento de la imagen, se generó un conjunto final de 1000 imágenes de alta calidad para el entrenamiento y la evaluación del modelo.

Durante el preprocesamiento, se excluyeron las imágenes de baja resolución o con tinción desigual. Todas las imágenes se redimensionaron a 256 × 256 píxeles para cumplir con los requisitos de entrada del modelo. Los expertos realizaron las anotaciones para garantizar la precisión de las lesiones metastásicas y las regiones circundantes. Cada imagen se vinculó a un identificador de paciente único para garantizar la independencia a nivel del paciente en las tareas de entrenamiento, validación, prueba y modelado pronóstico.

Anotación detallada de imágenes patológicas

La anotación de imágenes patológicas fue realizada por patólogos certificados con más de 10 años de experiencia profesional. Utilizando el software Aperio ImageScope (versión 12.3.3; Leica Biosystems, Alemania), los expertos anotaron meticulosamente las regiones tumorales y las características de la metástasis hepática dentro de cada diapositiva. Además, registraron los parámetros clínicos relevantes, incluido el tamaño y la morfología del tumor, la claridad de los límites del tumor con el tejido hepático normal adyacente, la distribución espacial de los macrófagos asociados al tumor y la densidad y la localización de las células inmunitarias (por ejemplo, células T y células B) dentro del microambiente tumoral. Todos los datos de anotación se guardaron en formato XML para garantizar la compatibilidad y el análisis eficiente por parte de los modelos de aprendizaje profundo posteriores.

Verificación independiente y control de errores de anotación

Para garantizar la precisión de la anotación, todas las imágenes patológicas de este estudio fueron anotadas de forma independiente por 2 patólogos experimentados. La fiabilidad entre evaluadores se evaluó utilizando el coeficiente Cohen κ. En caso de desacuerdo, un tercer patólogo sénior revisó y confirmó la anotación final, garantizando la precisión y la coherencia. Para minimizar los errores de anotación manual, se implementaron las siguientes estrategias de control de calidad:

Estas medidas garantizaron colectivamente anotaciones de alta calidad, estableciendo un conjunto de datos sólido y fiable para el entrenamiento y el análisis posteriores del modelo de aprendizaje profundo.

Aplicación de técnicas de aumento de datos

Para mejorar la generalización del modelo en diversas características de imágenes patológicas, se aplicaron diversas estrategias de aumento de datos, adaptadas a los requisitos específicos de cada arquitectura de aprendizaje profundo. Para VGG16, las imágenes primero se redimensionaron a 224 × 224 píxeles utilizando la interpolación bilineal para que coincidan con las especificaciones de entrada del modelo. A continuación, se realizó una normalización estándar restando el valor medio de los píxeles del conjunto de datos y dividiendo por la desviación estándar, transformando así la distribución de los píxeles para que se aproxime a una distribución normal estándar. En el caso de DeepLab-v3, los datos numéricos se normalizaron de forma similar a una media de 0 y una desviación estándar de 1. Para las entradas de datos de texto, se utilizaron técnicas de incrustación de palabras para convertir las palabras en representaciones vectoriales densas utilizando modelos preentrenados como Word2Vec o GloVe para la inicialización. Para U-Net, las imágenes de entrada también se redimensionaron y normalizaron como se describió anteriormente. Además, se implementó el recorte aleatorio y el volteo horizontal para aumentar la variabilidad de los datos y reducir el sobreajuste. Todos los pasos de preprocesamiento se llevaron a cabo utilizando API estándar proporcionadas por los marcos de aprendizaje profundo más comunes, como TensorFlow y PyTorch. En concreto, el módulo torchvision.transforms en PyTorch se utilizó para las transformaciones de imágenes.

Desarrollo de modelos básicos de redes neuronales convolucionales

Se utilizaron varios modelos CNN clásicos, incluidos DeepLab-v3, VGG16 y U-Net, para la clasificación y la segmentación de imágenes patológicas. Todos los modelos se implementaron utilizando el marco PyTorch (versión 1.7.1; Meta AI, Meta Platforms, Inc). Para acelerar la convergencia y mejorar la generalización, los parámetros del modelo se inicializaron con pesos preentrenados del conjunto de datos ImageNet. El entrenamiento se realizó utilizando el optimizador Adam, con una tasa de aprendizaje de 1 × 10–4, un tamaño de lote de 32 y 50 épocas de entrenamiento.

DeepLab-V3

DeepLab-v3 es un modelo de segmentación semántica de última generación que incorpora convoluciones dilatadas (atróficas) para capturar información contextual multiescala sin reducir la resolución espacial. Su componente principal, el agrupamiento espacial piramidal atrófico (ASPP), aplica convoluciones atróficas paralelas con diferentes tasas de dilatación para extraer características semánticas enriquecidas a múltiples escalas, mejorando así la adaptabilidad del modelo a estructuras complejas en imágenes histopatológicas. El uso de convoluciones dilatadas amplía el campo receptivo sin aumentar el número de parámetros ni el coste computacional, lo que permite una extracción de características más completa. DeepLab-v3 sigue una arquitectura codificador-decodificador, donde el codificador captura características semánticas de alto nivel y el decodificador restaura los detalles espaciales para una segmentación precisa. Habitualmente, se adoptan redes base preentrenadas, como Xception o MobileNet, para que sirvan como extractores de características, seguidas del módulo ASPP y el decodificador para completar la tarea de segmentación. La estructura del modelo se ilustra en la Figura 1.

VGG16

VGG16 es una CNN profunda clásica compuesta por 16 capas, incluidas 13 capas convolucionales y 3 capas totalmente conectadas. Captura las características de la imagen apilando repetidamente núcleos convolucionales de 3×3 y capas de agrupación máxima de 2×2. Al utilizar múltiples núcleos pequeños, VGG16 logra un campo receptivo más amplio al tiempo que mantiene un número relativamente bajo de parámetros y una estructura de red más profunda. Su arquitectura es sencilla y consistente, con pasos fijos en todas las capas convolucionales y de agrupación, lo que simplifica el diseño y la optimización de la red. En nuestro estudio, VGG16 se inicializó con pesos preentrenados del conjunto de datos ImageNet. Durante el entrenamiento, las imágenes se preprocesaron mediante la sustracción de la media y se optimizaron utilizando el descenso de gradiente estocástico por mini-lotes. El marco algorítmico se ilustra en la Figura 2.

U-Net

U-Net es un modelo de red neuronal diseñado específicamente para la segmentación de imágenes médicas, caracterizado por su arquitectura en forma de U que consta de una ruta de contracción (codificador) y una ruta de expansión (decodificador). Una característica clave de U-Net es el uso de conexiones de salto que fusionan los mapas de características del codificador con las salidas del decodificador correspondientes, preservando así el contexto espacial y mejorando la reconstrucción de detalles finos. U-Net se basa en gran medida en técnicas de aumento de datos durante el entrenamiento, como la rotación, el escalado y la deformación elástica, para mejorar la generalización. En nuestra implementación, el modelo se entrenó utilizando el optimizador Adam, con una tasa de aprendizaje de 1×10–4, un tamaño de lote de 8 y una función de pérdida de entropía cruzada. La estructura del algoritmo se muestra en la Figura 3.

Cada uno de los 3 modelos demuestra fortalezas únicas para diferentes tareas de análisis de imágenes. DeepLab-v3 es adecuado para la segmentación de grano fino y la extracción de características multiescala. VGG16, con su diseño eficiente y compacto, se utiliza a menudo como base para diversas tareas de reconocimiento visual. U-Net, por el contrario, destaca en la segmentación de imágenes médicas, especialmente en escenarios con conjuntos de datos limitados. Basándonos en las fortalezas complementarias de estas arquitecturas, desarrollamos un marco CNN personalizado, CLM-Net, específicamente diseñado para el reconocimiento automático de características patológicas en CRLM.

Diseño del modelo CLM-Net

CLM-Net es un marco CNN desarrollado específicamente para el reconocimiento automático de características patológicas en imágenes histopatológicas de CRLM. La arquitectura adopta una estructura de fusión paralela que integra las fortalezas de 3 modelos CNN ampliamente utilizados: VGG16, DeepLab-v3 y U-Net. Inicialmente, las imágenes de entrada se procesan a través de una red base VGG16 preentrenada en ImageNet para extraer características de textura de bajo nivel. Estas características se pasan luego a dos ramas paralelas: una rama DeepLab-v3 y una rama U-Net. La rama DeepLab-v3 aplica convoluciones atróficas con tasas de dilatación de {1, 2, 4, 8}, combinadas con un módulo ASPP, para capturar información contextual multiescala enriquecida. Mientras tanto, la rama U-Net adopta una estructura codificador-decodificador con conexiones de salto para preservar la resolución espacial y el detalle del contorno. La fusión de características de nivel medio se realiza mediante la concatenación por canales de las salidas de las capas de cuello de botella de VGG16, DeepLab-v3 y U-Net.

Para mejorar aún más la discriminación de características, se inserta un módulo de atención SE (relación de reducción r=16) después de la etapa de fusión para recalibrar adaptativamente la importancia de las características por canal, mejorando la sensibilidad del modelo a las características relevantes para el tumor y suprimiendo el ruido de fondo. Las características fusionadas se pasan luego a través de un decodificador unificado, y el mapa de segmentación final se refina utilizando un módulo de campo aleatorio condicional para mejorar la consistencia a nivel de píxel, particularmente en los límites de la lesión. Además de la salida de segmentación, el decodificador también genera un vector de características de 1024 dimensiones, que se utiliza en las tareas de predicción de supervivencia posteriores.

Durante el entrenamiento, CLM-Net utilizó los mismos hiperparámetros que los modelos base, incluido el optimizador Adam, una tasa de aprendizaje de 1×10–4, un tamaño de lote de 32 y 50 épocas de entrenamiento. Para abordar el tamaño limitado del conjunto de datos de entrenamiento y mejorar la generalización del modelo, se aplicaron técnicas de aumento de datos exhaustivas, como la rotación, el escalado y la deformación elástica. Al integrar la extracción de características de bajo nivel (VGG16), el contexto semántico multiescala (DeepLab-v3) y la preservación de los detalles espaciales (U-Net), CLM-Net proporciona una solución robusta y completa para una segmentación precisa de las lesiones de CRLM y la predicción del pronóstico. El marco general se ilustra en la Figura 4.

Cálculo de las métricas de evaluación del rendimiento

Para evaluar de manera integral el rendimiento de varios modelos de aprendizaje profundo para el reconocimiento de imágenes patológicas de CRLM, se utilizaron varias métricas, que incluyen la precisión, la exhaustividad, la precisión, la puntuación F1 y el área bajo la curva ROC (AUC). Para el análisis pronóstico, se utilizaron evaluaciones relacionadas con la supervivencia, como las curvas de Kaplan-Meier. Se realizó el ajuste de parámetros utilizando una estrategia de validación cruzada de 5 pliegues. Todos los cálculos de métricas se implementaron en Python utilizando las funciones `classificationreport` y `rocauc_score` de la biblioteca Scikit-learn. El rendimiento de cada modelo en un conjunto de pruebas independiente se documentó cuidadosamente para garantizar una evaluación objetiva y fiable.

Implementación de la validación cruzada K-Fold

Para evaluar la capacidad de generalización de cada modelo, se adoptó un enfoque de validación cruzada k-fold, con k establecido en 5. Específicamente, el conjunto de datos se dividió aleatoriamente en 5 subconjuntos iguales. En cada iteración, un subconjunto sirvió como conjunto de validación, mientras que los 4 restantes se utilizaron para el entrenamiento. Este proceso se repitió 5 veces para garantizar que cada subconjunto se utilizara una vez para la validación. El procedimiento de validación cruzada se ejecutó utilizando la clase `KFold` de la biblioteca Scikit-learn. Este enfoque permitió una evaluación justa y completa del rendimiento de generalización de cada modelo.

Comparación del rendimiento del modelo y selección del modelo óptimo

Una vez completado el entrenamiento, la validación y la evaluación, los modelos se compararon en función del rendimiento promedio en todas las métricas, incluida la precisión, la exhaustividad, la puntuación F1 y la AUC. Se utilizaron scripts personalizados de Python para facilitar un proceso de comparación estandarizado y transparente. El modelo que demostró el rendimiento general más favorable se seleccionó como el modelo óptimo. Posteriormente a la selección, este modelo se sometió a un mayor refinamiento, incluido el ajuste de hiperparámetros y estrategias de aumento de datos ampliadas, para mejorar la precisión de la predicción y la aplicabilidad clínica.

Entrenamiento y evaluación

Todos los modelos se entrenaron utilizando el marco PyTorch 1.7.1, con el optimizador Adam establecido en una tasa de aprendizaje de 1e−4, un tamaño de lote de 32 y durante 50 épocas de entrenamiento para garantizar un aprendizaje adecuado de las características de los datos. Se utilizó una estrategia de transferencia de aprendizaje inicializando los pesos del modelo con parámetros preentrenados del conjunto de datos ImageNet, lo que ayudó a acelerar la convergencia y mejorar la estabilidad del entrenamiento. Para evaluar de manera integral el rendimiento del modelo, se utilizaron varias métricas de evaluación, que incluyen la precisión, la exhaustividad, la puntuación F1 y el área bajo la curva ROC (AUC). Para la evaluación pronóstica, se generaron curvas de supervivencia de Kaplan-Meier para evaluar la capacidad del modelo para predecir los resultados de los pacientes. Todos los modelos se evaluaron utilizando una validación cruzada de 5 pliegues. En este enfoque, el conjunto de datos se dividió aleatoriamente en 5 subconjuntos iguales; durante cada iteración, un subconjunto se designó como el conjunto de validación y los 4 restantes sirvieron como el conjunto de entrenamiento. Este método garantizó una evaluación de rendimiento robusta y validó la capacidad de generalización de los modelos en diferentes particiones de datos.

Evaluación de un conjunto de pruebas independiente

Para garantizar la generalización del modelo y la fiabilidad de los resultados de la evaluación, el conjunto de datos se obtuvo de bases de datos de acceso público y se dividió aleatoriamente en conjuntos de entrenamiento, validación y pruebas independientes en una proporción de 70%–15%–15%. El conjunto de entrenamiento se utilizó para el entrenamiento del modelo, el conjunto de validación para el ajuste de hiperparámetros y el conjunto de pruebas independiente para la evaluación final del rendimiento. El conjunto de entrenamiento incluyó aproximadamente 700 imágenes, el conjunto de validación 150 imágenes y el conjunto de pruebas independiente 150 imágenes, todas las cuales fueron anotadas por patólogos experimentados. Se mantuvo una distribución de clases equilibrada entre la metástasis hepática (Clase 1) y la no metástasis (Clase 0) en todos los subconjuntos para garantizar una representación de clase consistente durante el entrenamiento y una evaluación de rendimiento justa. La distribución detallada de las clases en los subconjuntos se proporciona en la Tabla S2 en el Apéndice multimedia 1. Todas las imágenes se obtuvieron de bases de datos de patología de CRLM de acceso público, incluidas TCIA y Kaggle. La calidad de la imagen y la precisión de la anotación se verificaron a través de múltiples rondas de verificación manual por parte de patólogos expertos.

En el conjunto de pruebas independiente, el modelo CLM-Net demostró un rendimiento excepcional. En comparación con otros modelos CNN de referencia, CLM-Net logró puntuaciones notablemente más altas en precisión, exhaustividad y puntuación F1, lo que indica una mayor generalización y robustez en el reconocimiento de características patológicas de CRLM.

Definición y cálculo de la tasa de coincidencia

En este estudio, la tasa de coincidencia se definió como la superposición entre las regiones positivas predichas por el modelo y las regiones positivas anotadas como referencia, calculada utilizando la intersección sobre la unión (IoU). La fórmula específica es la siguiente: .

Para evaluar el rendimiento del modelo, se calculó el valor de IoU para cada imagen patológica en el conjunto de pruebas independiente. La tasa de coincidencia general se evaluó luego calculando el IoU promedio en todo el conjunto de pruebas. Los resultados experimentales mostraron que la tasa de coincidencia para todos los modelos seleccionados superó el 85%, y el modelo CLM-Net logró la tasa de coincidencia más alta (cercana al 90%). Esto demuestra la fuerte capacidad de localización regional del modelo. Además, la alta consistencia de la tasa de coincidencia en diferentes muestras refuerza la fiabilidad de CLM-Net en las tareas de análisis de imágenes patológicas.

Diseño e implementación de la encuesta

Para evaluar la aplicabilidad clínica práctica del modelo, se diseñó y llevó a cabo una encuesta estandarizada. La encuesta comprendió los siguientes componentes: (1) evaluación cuantitativa de la precisión predictiva del modelo, (2) evaluación de la usabilidad y la experiencia del usuario a través de un cuestionario estructurado, (3) retroalimentación subjetiva de los clínicos con respecto a las capacidades de asistencia diagnóstica del modelo (a través de preguntas abiertas) y (4) sugerencias para una mayor mejora y optimización del modelo (también a través de preguntas abiertas). La encuesta se administró a un grupo de 10 patólogos y clínicos con experiencia. Los cuestionarios se distribuyeron electrónicamente y se recopilaron durante la fase de validación del modelo. Las respuestas se analizaron utilizando métodos estadísticos cuantitativos y análisis de texto cualitativo, proporcionando información crítica para guiar las mejoras y optimizaciones posteriores en el desarrollo del modelo.

Evaluación de la capacidad de predicción pronóstica

Para evaluar el rendimiento de la predicción pronóstica del modelo CLM-Net en pacientes con CRLM, se utilizaron tanto métodos tradicionales de análisis de supervivencia como clasificadores basados en aprendizaje automático. Específicamente, se utilizaron las curvas de supervivencia de Kaplan-Meier y el modelo de riesgos proporcionales de Cox para analizar los resultados de supervivencia en diferentes grupos de pacientes. Para la predicción del pronóstico, se extrajeron vectores de características de 1024 dimensiones de la capa de fusión final del codificador CLM-Net. Estos vectores integraron representaciones multiescala de VGG16, DeepLab-v3 (con un módulo ASPP) y U-Net (con conexiones de salto), mejoradas aún más por un mecanismo de atención SE. Para reducir la dimensionalidad y suprimir el ruido, se adoptaron 2 estrategias de preprocesamiento:

Los vectores de características procesados se introdujeron en 2 modelos clásicos de aprendizaje automático:

Para la evaluación comparativa, se aplicó el mismo marco de predicción a las características extraídas de 3 modelos de aprendizaje profundo de referencia: VGG16, DeepLab-v3 y U-Net. Cada modelo generó probabilidades de predicción de supervivencia a partir de las imágenes patológicas de entrada. Se utilizó un umbral de 0,5 para clasificar las muestras en grupos de supervivencia a corto y largo plazo. Se trazaron curvas de Kaplan-Meier para cada modelo utilizando la biblioteca Python lifelines, con el tiempo en el eje x y la probabilidad de supervivencia acumulada en el eje y. Se utilizó la prueba de Log-rank para determinar las diferencias estadísticamente significativas entre las curvas de supervivencia, y los resultados comparativos finales se presentan en la Tabla S3 en el Apéndice multimedia 1.

Validación clínica

Este estudio se llevó a cabo como un análisis retrospectivo utilizando conjuntos de datos de acceso público y no implicó ensayos clínicos directos ni el uso de datos de pacientes más allá de esos conjuntos de datos. Para evaluar la aplicabilidad práctica del modelo, colaboramos con clínicos de hospitales afiliados para evaluar su usabilidad y precisión diagnóstica. Los expertos clínicos revisaron los resultados del análisis de imágenes patológicas del modelo y los compararon con las interpretaciones histopatológicas convencionales para evaluar su potencial valor en el apoyo al diagnóstico. La retroalimentación de estos profesionales se recopiló sistemáticamente, centrándose en la consistencia diagnóstica, la facilidad de interpretación y la relevancia clínica. Basándose en esta retroalimentación de los expertos, se aplicaron modificaciones y optimizaciones iterativas para mejorar la adaptabilidad y fiabilidad clínica del modelo.

Consideraciones éticas

Este estudio se llevó a cabo utilizando conjuntos de datos de acceso público, incluido el conjunto de datos de segmentación de tumores hepáticos de Kaggle y The Cancer Imaging Archive (TCIA). Dado que los datos son de acceso público y están completamente desidentificados, no se requirió la aprobación del comité de ética institucional para este estudio retrospectivo, de acuerdo con las políticas institucionales del Yongkang First People’s Hospital Affiliated to Hangzhou Medical College (el documento de política está disponible a petición). El estudio se llevó a cabo de acuerdo con los principios éticos establecidos en la Declaración de Helsinki.

Todos los conjuntos de datos utilizados en este estudio contienen información anónima de los pacientes y no se accedió a ningún dato personal identificable. Por lo tanto, no se requirió el consentimiento informado de los participantes individuales.

El estudio se adhirió a los principios de privacidad y confidencialidad de los datos, ya que solo se utilizaron imágenes y metadatos clínicos desidentificados para fines de investigación.

No se proporcionó ninguna compensación financiera u otra a los participantes, ya que este estudio no implicó el reclutamiento o la intervención directa de pacientes.

Descarga e integración de datos públicos

Los datos de imágenes patológicas utilizados en este estudio se obtuvieron principalmente de 2 bases de datos públicas: el conjunto de datos del desafío de segmentación de tumores hepáticos en Kaggle y TCIA. El conjunto de datos de Kaggle contenía 129 diapositivas histopatológicas relacionadas con CRLM con información clínica correspondiente, incluido el edad, el sexo y el estadio del tumor. Para mejorar aún más el tamaño y la diversidad de la muestra, se obtuvieron 68 casos adicionales de CRLM de TCIA. En total, se incluyeron datos de imágenes de 197 pacientes. Después del control de calidad y el aumento de imágenes, se generó un conjunto final de 1000 imágenes de alta calidad para el entrenamiento y la evaluación del modelo.

Durante el preprocesamiento, se excluyeron las imágenes de baja resolución o con tinción desigual. Todas las imágenes se redimensionaron a 256 × 256 píxeles para cumplir con los requisitos de entrada del modelo. Las anotaciones fueron realizadas por patólogos experimentados para garantizar la precisión de las lesiones metastásicas y las regiones circundantes. Cada imagen se vinculó a un identificador de paciente único para garantizar la independencia a nivel del paciente en las tareas de entrenamiento, validación, prueba y modelado pronóstico.

Anotación detallada de imágenes patológicas

La anotación de imágenes patológicas fue realizada por patólogos certificados con más de 10 años de experiencia profesional. Utilizando el software Aperio ImageScope (versión 12.3.3; Leica Biosystems, Alemania), los expertos anotaron meticulosamente las regiones tumorales y las características de metástasis hepática dentro de cada diapositiva. Además, registraron los parámetros clínicos relevantes, incluido el tamaño y la morfología del tumor, la claridad de los límites del tumor con el tejido hepático normal adyacente, la distribución espacial de los macrófagos asociados al tumor y la densidad y localización de las células inmunitarias (por ejemplo, células T y células B) dentro del microambiente tumoral. Todos los datos de anotación se guardaron en formato XML para garantizar la compatibilidad y el análisis eficiente por parte de los modelos de aprendizaje profundo posteriores.

Verificación independiente y control de errores de anotación

Para garantizar la precisión de la anotación, todas las imágenes patológicas de este estudio fueron anotadas de forma independiente por 2 patólogos experimentados. La fiabilidad entre evaluadores se evaluó utilizando el coeficiente Cohen κ. En caso de desacuerdo, un tercer patólogo sénior revisó y confirmó la anotación final, garantizando tanto la precisión como la consistencia. Para minimizar los errores de anotación manual, se implementaron las siguientes estrategias de control de calidad:

Estas medidas garantizaron colectivamente anotaciones de alta calidad, estableciendo un conjunto de datos sólido y fiable para el entrenamiento y el análisis posteriores del modelo de aprendizaje profundo.

Aplicación de técnicas de aumento de datos

Para mejorar la generalización del modelo en diversas características de imágenes patológicas, se aplicaron diversas estrategias de aumento de datos, adaptadas a los requisitos específicos de cada arquitectura de aprendizaje profundo. Para VGG16, las imágenes primero se redimensionaron a 224 × 224 píxeles utilizando la interpolación bilineal para que coincidan con las especificaciones de entrada del modelo. Luego, se realizó una normalización estándar restando el valor medio de los píxeles del conjunto de datos y dividiendo por la desviación estándar, transformando así la distribución de los píxeles para que se aproxime a una distribución normal estándar. En el caso de DeepLab-v3, los datos numéricos también se normalizaron a una media de 0 y una desviación estándar de 1. Para las entradas de datos de texto, se utilizaron técnicas de incrustación de palabras para convertir las palabras en representaciones vectoriales densas utilizando modelos preentrenados como Word2Vec o GloVe para la inicialización. Para U-Net, las imágenes de entrada también se redimensionaron y normalizaron como se describió anteriormente. Además, se implementó el recorte aleatorio y el volteo horizontal para aumentar la variabilidad de los datos y reducir el sobreajuste. Todos los pasos de preprocesamiento se llevaron a cabo utilizando API estándar proporcionadas por los principales marcos de aprendizaje profundo, como TensorFlow y PyTorch. Específicamente, el módulo torchvision.transforms en PyTorch se utilizó para las transformaciones de imágenes.

Desarrollo de modelos básicos de redes neuronales convolucionales

Se utilizaron varios modelos CNN clásicos, incluidos DeepLab-v3, VGG16 y U-Net, para la clasificación y segmentación de imágenes patológicas. Todos los modelos se implementaron utilizando el marco PyTorch (versión 1.7.1; Meta AI, Meta Platforms, Inc). Para acelerar la convergencia y mejorar la generalización, los parámetros del modelo se inicializaron con pesos preentrenados del conjunto de datos ImageNet. El entrenamiento se llevó a cabo utilizando el optimizador Adam, con una tasa de aprendizaje de 1 × 10–4, un tamaño de lote de 32 y 50 épocas de entrenamiento.

DeepLab-V3

DeepLab-v3 es un modelo de segmentación semántica de última generación que incorpora convoluciones dilatadas (atrous) para capturar información contextual multiescala sin reducir la resolución espacial. Su componente central, el agrupamiento espacial atrous (ASPP), aplica convoluciones atrous paralelas con diferentes tasas de dilatación para extraer características semánticas ricas a múltiples escalas, mejorando así la adaptabilidad del modelo a estructuras complejas en imágenes histopatológicas. El uso de convoluciones dilatadas expande el campo receptivo sin aumentar el número de parámetros o el costo computacional, lo que permite una extracción de características más completa. DeepLab-v3 sigue una arquitectura codificador-decodificador, donde el codificador captura características semánticas de alto nivel y el decodificador restaura los detalles espaciales para una segmentación precisa. Comúnmente, se adoptan redes base preentrenadas como Xception o MobileNet para que sirvan como extractores de características, seguidas del módulo ASPP y el decodificador para completar la tarea de segmentación. La estructura del modelo se ilustra en la Figura 1.

VGG16

VGG16 es una CNN profunda clásica compuesta por 16 capas, incluidas 13 capas convolucionales y 3 capas totalmente conectadas. Captura las características de la imagen apilando repetidamente núcleos convolucionales de 3 × 3 y capas de agrupación máxima de 2 × 2. Al utilizar múltiples núcleos pequeños, VGG16 logra un campo receptivo más grande manteniendo un número relativamente bajo de parámetros y una estructura de red más profunda. Su arquitectura es sencilla y consistente, con pasos fijos en todas las capas convolucionales y de agrupación, lo que simplifica el diseño y la optimización de la red. En nuestro estudio, VGG16 se inicializó con pesos preentrenados del conjunto de datos ImageNet. Durante el entrenamiento, las imágenes se preprocesaron mediante la sustracción de la media y se optimizaron utilizando el descenso de gradiente estocástico por lotes. El marco algorítmico se ilustra en la Figura 2.

U-Net

U-Net es un modelo de red neuronal diseñado específicamente para la segmentación de imágenes médicas, caracterizado por su arquitectura en forma de U que consta de una ruta de contracción (codificador) y una ruta expansiva (decodificador). Una característica clave de U-Net es el uso de conexiones de salto que fusionan los mapas de características del codificador con las salidas del decodificador correspondientes, preservando así el contexto espacial y mejorando la reconstrucción de detalles finos. U-Net se basa en gran medida en las técnicas de aumento de datos durante el entrenamiento, como la rotación, el escalado y la deformación elástica, para mejorar la generalización. En nuestra implementación, el modelo se entrenó utilizando el optimizador Adam, con una tasa de aprendizaje de 1 × 10–4, un tamaño de lote de 8 y una función de pérdida de entropía cruzada. La estructura del algoritmo se muestra en la Figura 3.

Cada uno de los 3 modelos demuestra fortalezas únicas para diferentes tareas de análisis de imágenes. DeepLab-v3 es adecuado para la segmentación detallada y la extracción de características a múltiples escalas. VGG16, con su diseño eficiente y compacto, se utiliza a menudo como base para diversas tareas de reconocimiento visual. U-Net, por el contrario, destaca en la segmentación de imágenes médicas, particularmente en escenarios con conjuntos de datos limitados. Basándonos en las fortalezas complementarias de estas arquitecturas, desarrollamos un marco de CNN personalizado, CLM-Net, específicamente diseñado para el reconocimiento automático de características patológicas en CRLM.

Diseño del modelo CLM-Net

CLM-Net es un marco de CNN desarrollado específicamente para el reconocimiento automático de características patológicas en imágenes histopatológicas de CRLM. La arquitectura adopta una estructura de fusión paralela que integra las fortalezas de 3 modelos de CNN ampliamente utilizados: VGG16, DeepLab-v3 y U-Net. Inicialmente, las imágenes de entrada se procesan a través de una base VGG16 preentrenada en ImageNet para extraer características de textura de bajo nivel. Estas características se pasan luego a 2 ramas paralelas: una ruta DeepLab-v3 y una ruta U-Net. La rama DeepLab-v3 aplica convoluciones atróficas con tasas de dilatación de {1, 2, 4, 8}, combinadas con un módulo ASPP, para capturar información contextual rica a múltiples escalas. Mientras tanto, la rama U-Net adopta una estructura codificador-decodificador con conexiones de salto para preservar la resolución espacial y el detalle del contorno. La fusión de características de nivel medio se realiza mediante la concatenación por canales de las salidas de las capas de cuello de botella de VGG16, DeepLab-v3 y U-Net.

Para mejorar aún más la discriminación de características, se inserta un módulo de atención SE (relación de reducción r=16) después de la etapa de fusión para recalibrar adaptativamente la importancia de las características por canal, mejorando la sensibilidad del modelo a las características relevantes para el tumor y suprimiendo el ruido de fondo. Las características fusionadas se pasan luego a través de un decodificador unificado, y el mapa de segmentación final se refina utilizando un módulo de campo aleatorio condicional para mejorar la consistencia a nivel de píxel, particularmente en los límites de la lesión. Además de la salida de segmentación, el decodificador también genera un vector de características de 1024 dimensiones, que se utiliza en tareas de predicción de supervivencia posteriores.

Durante el entrenamiento, CLM-Net utilizó los mismos hiperparámetros que los modelos base, incluido el optimizador Adam, una tasa de aprendizaje de 1×10–4, un tamaño de lote de 32 y 50 épocas de entrenamiento. Para abordar el tamaño limitado del conjunto de datos de entrenamiento y mejorar la generalización del modelo, se aplicaron técnicas de aumento de datos exhaustivas, como rotación, escalado y deformación elástica. Al integrar la extracción de características de bajo nivel (VGG16), el contexto semántico a múltiples escalas (DeepLab-v3) y la preservación de los detalles espaciales (U-Net), CLM-Net proporciona una solución robusta y completa para la segmentación precisa de lesiones de CRLM y la predicción del pronóstico. El marco general se ilustra en la Figura 4.

Cálculo de las métricas de evaluación del rendimiento

Para evaluar de manera integral el rendimiento de varios modelos de aprendizaje profundo para el reconocimiento de imágenes patológicas de CRLM, se utilizaron varias métricas, que incluyen precisión, exhaustividad, precisión, puntuación F1 y el área bajo la curva de características operativas del receptor (AUC). Para el análisis pronóstico, se utilizaron evaluaciones relacionadas con la supervivencia, como las curvas de Kaplan-Meier. Se realizó el ajuste de parámetros utilizando una estrategia de validación cruzada de 5 pliegues. Todos los cálculos de métricas se implementaron en Python utilizando las funciones classificationreport y rocauc_score de la biblioteca Scikit-learn. El rendimiento de cada modelo en un conjunto de pruebas independiente se documentó cuidadosamente para garantizar una evaluación objetiva y confiable.

Implementación de la validación cruzada K-Fold

Para evaluar la capacidad de generalización de cada modelo, se adoptó un enfoque de validación cruzada k-fold, con k establecido en 5. Específicamente, el conjunto de datos se dividió aleatoriamente en 5 subconjuntos iguales. En cada iteración, un subconjunto sirvió como conjunto de validación, mientras que los 4 restantes se utilizaron para el entrenamiento. Este proceso se repitió 5 veces para garantizar que cada subconjunto se utilizara una vez para la validación. El procedimiento de validación cruzada se ejecutó utilizando la clase KFold de la biblioteca Scikit-learn. Este enfoque permitió una evaluación justa y completa del rendimiento de generalización de cada modelo.

Comparación del rendimiento del modelo y selección del modelo óptimo

Una vez completado el entrenamiento, la validación y la evaluación, los modelos se compararon en función del rendimiento promedio en todas las métricas, que incluyen precisión, exhaustividad, puntuación F1 y AUC. Se utilizaron scripts de Python personalizados para facilitar un proceso de comparación estandarizado y transparente. El modelo que demostró el rendimiento general más favorable se seleccionó como el modelo óptimo. Posteriormente a la selección, este modelo se sometió a un mayor refinamiento, incluido el ajuste de hiperparámetros y estrategias de aumento de datos ampliadas, para mejorar la precisión de la predicción y la aplicabilidad clínica.

Entrenamiento y evaluación

Todos los modelos se entrenaron utilizando el marco PyTorch 1.7.1, con el optimizador Adam establecido en una tasa de aprendizaje de 1e−4, un tamaño de lote de 32 y durante 50 épocas de entrenamiento para garantizar un aprendizaje adecuado de las características de los datos. Se utilizó una estrategia de aprendizaje por transferencia inicializando los pesos del modelo con parámetros preentrenados del conjunto de datos ImageNet, lo que ayudó a acelerar la convergencia y mejorar la estabilidad del entrenamiento. Para evaluar de manera integral el rendimiento del modelo, se utilizaron varias métricas de evaluación, que incluyen precisión, exhaustividad, puntuación F1 y el área bajo la curva de características operativas del receptor (ROC) (AUC). Para la evaluación pronóstica, se generaron curvas de supervivencia de Kaplan-Meier para evaluar la capacidad del modelo para predecir los resultados de los pacientes. Todos los modelos se evaluaron utilizando una validación cruzada de 5 pliegues. En este enfoque, el conjunto de datos se dividió aleatoriamente en 5 subconjuntos iguales; durante cada iteración, un subconjunto se designó como el conjunto de validación y los 4 restantes sirvieron como el conjunto de entrenamiento. Este método aseguró una evaluación de rendimiento robusta y validó la capacidad de generalización de los modelos en diferentes particiones de datos.

Evaluación de un conjunto de pruebas independiente

Para garantizar la generalización del modelo y la confiabilidad de los resultados de la evaluación, el conjunto de datos se obtuvo de bases de datos de acceso público y se dividió aleatoriamente en conjuntos de entrenamiento, validación y pruebas independientes en una proporción de 70%–15%–15%. El conjunto de entrenamiento se utilizó para el entrenamiento del modelo, el conjunto de validación para el ajuste de hiperparámetros y el conjunto de pruebas independiente para la evaluación final del rendimiento. El conjunto de entrenamiento incluyó aproximadamente 700 imágenes, el conjunto de validación 150 imágenes y el conjunto de pruebas independiente 150 imágenes, todas las cuales fueron anotadas por patólogos experimentados. Se mantuvo una distribución de clases equilibrada entre metástasis hepática (Clase 1) y no metástasis (Clase 0) en todos los subconjuntos para garantizar una representación de clase consistente durante el entrenamiento y una evaluación de rendimiento justa. La distribución detallada de las clases en los subconjuntos se proporciona en la Tabla S2 en el Apéndice multimedia 1. Todas las imágenes se obtuvieron de bases de datos de patología de CRLM de acceso público, que incluyen TCIA y Kaggle. La calidad de la imagen y la precisión de la anotación se verificaron a través de múltiples rondas de verificación manual por parte de patólogos expertos.

En el conjunto de pruebas independiente, el modelo CLM-Net demostró un rendimiento sobresaliente. En comparación con otros modelos de CNN de referencia, CLM-Net logró puntuaciones notablemente más altas en precisión, exhaustividad y puntuación F1, lo que indica una mayor generalización y robustez en el reconocimiento de características patológicas de CRLM.

Definición y cálculo de la tasa de coincidencia

En este estudio, la tasa de coincidencia se definió como la superposición entre las regiones positivas predichas por el modelo y las regiones positivas anotadas como referencia, calculada utilizando la intersección sobre la unión (IoU). La fórmula específica es la siguiente: .

Para evaluar el rendimiento del modelo, se calculó el valor de IoU para cada imagen patológica en el conjunto de pruebas independiente. La tasa de coincidencia general se evaluó luego calculando el IoU promedio en todo el conjunto de pruebas. Los resultados experimentales mostraron que la tasa de coincidencia para todos los modelos seleccionados superó el 85%, y el modelo CLM-Net logró la tasa de coincidencia más alta (cercana al 90%). Esto demuestra la sólida capacidad de localización regional del modelo. Además, la alta consistencia de la tasa de coincidencia en diferentes muestras refuerza la confiabilidad de CLM-Net en las tareas de análisis de imágenes patológicas.

Diseño e implementación de la encuesta

Para evaluar la aplicabilidad clínica práctica del modelo, se diseñó y realizó una encuesta estandarizada. La encuesta comprendió los siguientes componentes: (1) evaluación cuantitativa de la precisión de la predicción del modelo, (2) evaluación de la usabilidad y la experiencia del usuario a través de un cuestionario estructurado, (3) comentarios subjetivos de los clínicos con respecto a las capacidades de asistencia diagnóstica del modelo (a través de preguntas abiertas) y (4) sugerencias para una mayor mejora y optimización del modelo (también a través de preguntas abiertas). La encuesta se administró a un grupo de 10 patólogos y clínicos experimentados. Los cuestionarios se distribuyeron electrónicamente y se recopilaron durante la fase de validación del modelo. Las respuestas se analizaron utilizando métodos estadísticos cuantitativos y análisis de texto cualitativo, lo que proporcionó información crítica para guiar las modificaciones y optimizaciones posteriores en el desarrollo del modelo.

Evaluación de la capacidad de predicción pronóstica

Para evaluar el rendimiento de la predicción pronóstica del modelo CLM-Net en pacientes con CRLM, se utilizaron tanto métodos tradicionales de análisis de supervivencia como clasificadores basados en aprendizaje automático. Específicamente, se utilizaron curvas de supervivencia de Kaplan-Meier y el modelo de riesgos proporcionales de Cox para analizar los resultados de supervivencia en diferentes grupos de pacientes. Para la predicción del pronóstico, se extrajeron vectores de características de 1024 dimensiones de la capa de fusión final del codificador CLM-Net. Estos vectores integraron representaciones a múltiples escalas de VGG16, DeepLab-v3 (con un módulo ASPP) y U-Net (con conexiones de salto), mejoradas aún más por un mecanismo de atención SE. Para reducir la dimensionalidad y suprimir el ruido, se adoptaron 2 estrategias de preprocesamiento:

Los vectores de características procesados se introdujeron en 2 modelos clásicos de aprendizaje automático:

Para la evaluación comparativa, se aplicó el mismo marco de predicción a las características extraídas de 3 modelos de aprendizaje profundo de referencia: VGG16, DeepLab-v3 y U-Net. Cada modelo generó probabilidades de predicción de supervivencia a partir de las imágenes patológicas de entrada. Se utilizó un umbral de 0,5 para clasificar las muestras en grupos de supervivencia a corto y largo plazo. Se trazaron curvas de Kaplan-Meier para cada modelo utilizando la biblioteca Python lifelines, con el tiempo en el eje x y la probabilidad de supervivencia acumulada en el eje y. Se utilizó la prueba de Log-rank para determinar las diferencias estadísticamente significativas entre las curvas de supervivencia, y los resultados comparativos finales se presentan en la Tabla S3 en el Apéndice multimedia 1.

Validación clínica

Este estudio se llevó a cabo como un análisis retrospectivo utilizando conjuntos de datos de acceso público y no involucró ningún ensayo clínico directo ni el uso de datos de pacientes más allá de esos conjuntos de datos. Para evaluar la aplicabilidad práctica del modelo, colaboramos con clínicos de hospitales afiliados para evaluar su usabilidad y precisión diagnóstica. Los expertos clínicos revisaron los resultados del análisis de imágenes patológicas del modelo y los compararon con las interpretaciones histopatológicas convencionales para evaluar su potencial valor en el apoyo al diagnóstico. Los comentarios de estos profesionales se recopilaron sistemáticamente, centrándose en la consistencia del diagnóstico, la facilidad de interpretación y la relevancia clínica. Con base en esta retroalimentación de los expertos, se aplicaron modificaciones y optimizaciones iterativas para mejorar la adaptabilidad y confiabilidad clínica del modelo.

Resultados

Rendimiento superior del modelo de conjunto CLM-Net en el reconocimiento de imágenes patológicas de CRLM

A lo largo del proceso de desarrollo y validación del modelo, las estrategias de aumento de datos mejoraron significativamente el rendimiento de todos los modelos de aprendizaje profundo, en particular el modelo de aprendizaje conjunto. La aplicación de rotaciones aleatorias, volteos horizontales y recortes aumentó eficazmente la variabilidad de los datos de entrenamiento, mejorando así la robustez del modelo y su capacidad de generalización a imágenes patológicas no vistas previamente (Figura 5A). Este enfoque es especialmente crítico en el contexto del CRLM, donde se sabe que las lesiones metastásicas presentan una gran heterogeneidad en su apariencia.

El modelo de aprendizaje conjunto (CLM-Net) superó a los modelos individuales en múltiples métricas de evaluación, aprovechando las fortalezas complementarias de cada arquitectura. Si bien ciertos modelos base, como U-Net, destacaron en la delimitación de los límites tumorales finos, otros (por ejemplo, DeepLab-v3) fueron más competentes en la identificación de las características contextuales y estructurales de las lesiones metastásicas. Al integrar estas capacidades, CLM-Net logró un reconocimiento más completo y preciso de las características patológicas del CRLM, mejorando así la fiabilidad del diagnóstico (Figura 5B).

En la evaluación cuantitativa del rendimiento, CLM-Net demostró resultados sobresalientes en el reconocimiento de imágenes de patología de CRLM, logrando una precisión del 94 % (IC del 95 %, 91,2 %-96,5 %), una sensibilidad del 92 % (IC del 95 %, 89,0 %-94,8 %), una puntuación F de 93 % (IC del 95 %, 90,1 %-95,9 %) y un AUC de 0,960 (IC del 95 %, 0,941-0,975). Estos valores superaron significativamente los de los modelos individuales: VGG16 (AUC=0,901, IC del 95 %, 0,872-0,925), DeepLab-v3 (AUC=0,912, IC del 95 %, 0,884-0,936) y U-Net (AUC=0,887, IC del 95 %, 0,857-0,913). La mejora del AUC de CLM-Net en comparación con cada modelo base fue estadísticamente significativa (prueba de DeLong, P