Descubrimiento de biomarcadores espaciales mediante el aprendizaje semántico interpretable en histopatología.

Los biomarcadores espaciales son fundamentales para la oncología de precisión, pero su descubrimiento sistemático sigue siendo un desafío debido a la complejidad de las imágenes de porta de muestra completa. Presentamos PathPrism, un marco de IA interpretable para el descubrimiento de biomarcadores espaciales y la experimentación virtual. A diferencia de los modelos de "caja negra", PathPrism codifica la arquitectura tisular en características espaciales con información patológica, lo que permite un modelado transparente del pronóstico, las alteraciones moleculares y la respuesta terapéutica. Aplicado a 7000 pacientes con cáncer colorrectal de 11 cohortes, PathPrism descubrió cientos de biomarcadores predictivos de supervivencia, MSI, mutaciones de BRAF y TP53, y estratificó el beneficio de la quimioterapia en la enfermedad en estadio II/III.

Basándose en estos hallazgos interpretables, PathPrism utiliza modelos de lenguaje de gran tamaño como herramientas auxiliares para generar hipótesis basadas en la semántica espacial.

Además, presentamos VirtualWSI, una plataforma para la perturbación semántica dentro de un atlas de biomarcadores espaciales interpretable. PathPrism proporciona un marco escalable e interpretable para el descubrimiento de biomarcadores espaciales.