En el campo de la patología computacional, los modelos de base en histopatología han demostrado tener un gran impacto en diversas áreas. Sin embargo, su influencia en la predicción de biomarcadores regresivos sigue siendo poco explorada. En este estudio, se evaluaron de manera sistemática los modelos de base histopatológica para tareas basadas en regresión, centrándose en la predicción del puntaje de deficiencia de recombinación homóloga (HRD), un biomarcador crítico para el tratamiento personalizado del cáncer.
En Q2BSTUDIO, empresa especializada en desarrollo de software a medida, entendemos la importancia de la inteligencia artificial en la medicina, por lo que nos enfocamos en brindar soluciones tecnológicas innovadoras. Nuestros servicios incluyen aplicaciones a medida, servicios cloud en AWS y Azure, ciberseguridad, inteligencia de negocio y automatización de procesos, todos ellos diseñados para satisfacer las necesidades de nuestros clientes en el sector de la salud.
En este estudio, se extrajeron características a nivel de parche de imágenes completas de cortes histológicos utilizando cinco modelos de base de última generación. Estos modelos fueron entrenados para predecir puntajes continuos de HRD en cohortes de cáncer de mama, endometrio y pulmón, utilizando datos médicos públicos. Los resultados de los experimentos mostraron que los modelos entrenados con características de modelos de base superaron consistentemente al modelo base en términos de precisión predictiva y capacidades de generalización, destacando diferencias sistemáticas entre los modelos de base.
Además, se propuso una estrategia de remuestreo basada en distribución para mitigar el desequilibrio en los datos, lo que mejoró significativamente la recuperación y la precisión equilibrada para poblaciones de pacientes subrepresentadas pero clínicamente importantes. Asimismo, se investigó el impacto de diferentes estrategias de muestreo y tamaños de bolsas de instancias a través de estudios de abstracción.
Estos hallazgos resaltan los beneficios del preentrenamiento histopatológico a gran escala para la predicción de biomarcadores regresivos más precisos y transferibles, lo que demuestra el potencial para avanzar en la oncología de precisión impulsada por la inteligencia artificial.
En Q2BSTUDIO, estamos comprometidos con la innovación tecnológica y el desarrollo de soluciones personalizadas para empresas en diversos sectores, incluyendo la medicina. Nuestro enfoque en la inteligencia artificial para empresas nos permite ofrecer soluciones avanzadas que mejoran la eficiencia y la precisión en entornos médicos y de salud.
Fuente: Q2BSTUDIO - Desarrollo de aplicaciones de software a medida
