Segmentación de patrones asociados al cáncer de próstata, siguiendo la escala de Gleason y utilizando representaciones profundas

Abstract

El análisis histológico es la principal herramienta para diagnosticar y cuantificar la agresividad del cáncer de próstata. El sistema de puntuación de Gleason es el sistema más utilizado para cuantificarla agresividad de la enfermedad sobre histologías. Este sistema permite estratificar regionalmente los patronesanormales en las placas histológicas, dando pautas para la puntuación y grado de la enfermedad. A pesar deello, estudios recientes han mostrado una variabilidad persistente en el diagnóstico de la enfermedad, reportandovalores moderados de concordancia de 0.55, según el valor kappa. Este trabajo introduce un enfoque de segmentación y estratificación de regiones de acuerdo con las segmentaciones realizadas siguiendo el puntaje de Gleason. En un primer nivel, una red de aprendizaje profundo regionales entrenada con anotaciones completas, sobre imágenes histopatológicas, realizadas por un experto patólogo.Esta arquitectura permite definir delineaciones regionales, siendo efectivo en localizaciones con estructuras generales. En un segundo nivel de representación, se entrenó un modelo únicamente con anotaciones superpuestasdel primer esquema, y que constituyen regiones con dificultad de clasificación. Finalmente, en un tercer nivelde representación, que permite una descripción más granular de las regiones, se entrenó una tercera red con lasregiones resultantes de las activaciones de la representación del primer nivel. La segmentación final resulta entonces de la superposición de los tres niveles de representación. La estrategia propuesta se validó en un conjuntopúblico con 886 imágenes correspondientes a microarreglos de tejidos histológicos con anotaciones de grados deGleason: benigno, 3, 4 y 5. Las segmentaciones generadas lograron en promedio un AUPRC (área bajo la curvade precisión-sensibilidad precision-recall) de 0.8 con respecto al diagnóstico de un primer patólogo, y de 0.76 con respecto al diagnóstico de un segundo patólogo.