Aprendizaje profundo basado en láminas histológicas de CD3 para la predicción del pronóstico del cáncer de colon: análisis de tres cohortes internacionales de cáncer de colon en estadio III.

La estratificación pronóstica en el cáncer de colon en estadio III sigue siendo deficiente, a pesar de los avances en el tratamiento. Los linfocitos infiltrantes tumorales, en particular las células T CD3+, son posibles marcadores pronósticos, pero la evaluación manual es laboriosa y poco fiable. El objetivo de este estudio fue desarrollar un modelo de aprendizaje profundo para el análisis automatizado de las láminas histológicas teñidas con CD3, con el fin de mejorar la predicción pronóstica. Se analizaron un total de 1737 pacientes de tres cohortes internacionales (PETACC08, PRODIGE-13 y HARMONY).

El modelo de aprendizaje profundo (VGG19) identificó las regiones del núcleo tumoral (TC) y del margen invasivo (IM) en las láminas teñidas con CD3. Se utilizaron características de los modelos VGG19 y UNI para agrupar a los pacientes mediante una clasificación jerárquica. El rendimiento pronóstico se evaluó utilizando la supervivencia libre de enfermedad (DFS) en los conjuntos de entrenamiento, validación interna y validación externa. Los clasificadores de aprendizaje profundo identificaron grupos de pacientes distintos con una DFS significativamente diferente en función del TC y el IM.

Tanto para el análisis del IM como del TC, los pacientes del grupo favorable presentaban una mejor DFS en todos los conjuntos (IM: p < 0,001, p = 0,04, p = 0,02; TC: p = 0,002, p = 0,01, p = 0,12, respectivamente). La combinación de clasificadores mejoró la precisión pronóstica en todos los conjuntos (p < 0,001, p = 0,01, p = 0,06, respectivamente). El modelo superó a las variables clínicas tradicionales y a la enumeración de CD3, que demostró variabilidad entre las cohortes. El análisis automatizado de aprendizaje profundo de las láminas teñidas con CD3 permite una estratificación pronóstica robusta y reproducible en el cáncer de colon en estadio III, independientemente de las variaciones en la tinción y el escaneo.

Este enfoque promete guiar las estrategias de tratamiento personalizadas. Identificadores de ClinicalTrials.gov: NCT00265811, NCT00995202.