Evaluación preregistrada y multicohorte del sistema de IA FATHOM para la priorización de pruebas moleculares con el fin de facilitar la inclusión de pacientes en ensayos clínicos.

Muchos ensayos clínicos que evalúan tratamientos contra el cáncer requieren que los pacientes se sometan a pruebas para detectar marcadores moleculares específicos como parte del proceso de selección, normalmente mediante inmunohistoquímica o secuenciación. Dado que relativamente pocos pacientes pueden presentar el marcador requerido, los investigadores del ensayo a menudo analizan a un gran número de pacientes para identificar a los pocos que puedan ser elegibles para participar.

Los laboratorios de patología producen rutinariamente láminas de hematoxilina y eosina (H\&E) durante el diagnóstico del cáncer. Los modelos de base de patología (grandes redes neuronales preentrenadas con millones de imágenes de histología) han demostrado ser prometedores en la predicción de características moleculares a partir de estas láminas. Los investigadores pueden utilizar estos modelos para crear clasificadores que predigan marcadores moleculares específicos y prioricen a los pacientes para las pruebas de confirmación.

Este estudio evalúa FATHOM (Facilitating Accrual through Tumor Histology and Omics Matching), un sistema de investigación autónomo impulsado por grandes modelos multimodales. Sus agentes leen los registros de ensayos clínicos registrados, identifican los marcadores moleculares utilizados como criterios de inclusión, crean modelos de predicción utilizando modelos de base de patología, seleccionan los modelos individuales o las combinaciones de modelos que mejor se ajusten a los criterios preespecificados, establecen sus umbrales de decisión y determinan si deben implementarlos. En conjunto, un modelo de predicción, su umbral de decisión y la decisión de implementarlo constituyen una política de predicción de IA.

Antes de que FATHOM se ejecute, los investigadores preregistran los registros de ensayos clínicos que sus agentes pueden leer, la fecha límite que define qué información del ensayo pueden utilizar, las reglas que rigen a los agentes y el plan de análisis. El sistema registra la hora y bloquea cada política inmediatamente después de que un agente la genere. Los investigadores luego aplican las políticas a las láminas de pacientes archivadas y comparan sus predicciones con los resultados existentes de los marcadores moleculares.

El resultado primario es la proporción de escenarios de evaluación preespecificados en los que una política generada por un agente, en comparación con las pruebas moleculares universales, ya sea enriquece la población seleccionada para las pruebas de confirmación con pacientes positivos para el marcador o evita de forma segura que los pacientes se sometan a pruebas de confirmación, al tiempo que cumple con los criterios de rendimiento preespecificados.

Este estudio analiza únicamente las imágenes de patología y los registros de ensayos clínicos existentes. No incluye ni contacta a pacientes, influye en la atención al paciente ni afecta la participación en ningún ensayo clínico.