Predicción de la inestabilidad de microsatélites en el cáncer colorrectal basada en fenotipos tisulares inferidos a partir de imágenes histopatológicas completas mediante autodestilación.

La aplicación del aprendizaje de múltiples instancias (MIL, por sus siglas en inglés) para la clasificación de imágenes de porta completa (WSI, por sus siglas en inglés) ha ganado un uso extensivo en los últimos años, principalmente debido al alto costo y el tiempo que implica la anotación a nivel de píxel de las WSI, lo cual es difícil de lograr. Los avances en MIL para WSI se han centrado predominantemente en dos frentes: el desarrollo de extractores de características superiores (por ejemplo, utilizando el aprendizaje auto supervisado para entrenar extractores de características) y la formulación de estrategias mejoradas de agregación de instancias. Lamentablemente, la mayoría de los enfoques más avanzados han descuidado las variaciones fenotípicas entre las instancias al emplear mecanismos de atención. Para aprovechar las disparidades entre los tejidos de las instancias, hemos introducido un enfoque de auto destilación fenotípica para MIL.

Nuestro marco de trabajo se compone de tres componentes: i) un extractor de características auto supervisado basado en el aprendizaje contrastivo y un extractor de fenotipos preentrenado en el conjunto de datos Kather100K, que proporciona automáticamente etiquetas de fenotipos de tejido de 9 clases (por ejemplo, epitelio tumoral, estroma, linfocitos) sin requerir anotación manual; ii) la incorporación de una pérdida de auto destilación entre las características de las instancias y sus fenotipos para aumentar el contenido informativo de ambas perspectivas; y iii) la agregación de las instancias MIL para la predicción final de MSI. La eficacia de este marco de trabajo se evaluó en dos conjuntos de datos: el conjunto de datos TCGA-CRC se utilizó para el entrenamiento y las pruebas internas con una división fija del 70%/30%, mientras que la cohorte del Hospital del Pueblo de Tangshan sirvió como un conjunto de validación externo independiente. En el conjunto de datos TCGA-CRC (n = 360; 65 MSI-H, 295 MSS), nuestro modelo logró un AUC de 0,8846 y una precisión de 0,84, utilizando una división fija de entrenamiento-prueba del 70%/30%. En el conjunto de datos del Hospital del Pueblo de Tangshan (n = 472; 56 MSI-H, 426 MSS), el modelo alcanzó un AUC de 0,7258 y una precisión de 0,70.