Desempeño diagnóstico y reproducibilidad interobservador del grado de Gleason en la interpretación histopatológica convencional y mediante el análisis de imágenes por software
No Thumbnail Available
Date
2023-01-29
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
El adenocarcinoma de próstata produce gran morbimortalidad en la población mundial. El diagnóstico se basa en el grado Gleason definido por el patólogo. En el estudio histopatológico se reconocen múltiples fuentes de errores. El presente estudio evalúa el rendimiento diagnóstico y la concordancia interobservador de adenocarcinoma de próstata, y desarrolla una herramienta diagnóstica de inteligencia artificial para realizar predicciones en los grados Gleason de imágenes de patología digital para comparar el rendimiento diagnóstico y concordancia al hacer uso de ésta. Es un estudio observacional analítico prospectivo de concordancia, aplicado en un grupo de profesionales (patólogos generales, patólogo con segunda especialidad en patología y residente de patología), quienes realizaron marcaciones de grado Gleason en imágenes usando el software QuPath. Las marcaciones se analizaron obteniendo coeficientes de concordancia Kappa. Con estos datos, se desarrolla una herramienta de apoyo diagnóstico para la realización de predicciones usando inteligencia artifical sobre un último grupo de imágenes. Se evaluaron nuevamente coeficientes de concordancia Kappa para los participantes al definir grado Gleason conociendo la predicción del software. Los valores de Kappa para la primera fase del estudio oscilaron entre 0,276 y 0,537. Para la segunda fase, los valores Kappa oscilan entre 0,265 y 0,510, con mayor mejoría de rendimiento para el residente de patología en los valores Kappa (0,356 y 0,410), la sensibilidad y el valor predictivo positivo. Los coeficientes Kappa mostraron una discreta disminución para los patólogos. Se obtuvo un ascenso en la categoría de la interpretación de Kappa para 2 de los participantes de aceptable a moderado, con una mejoría mayor en el residente de patología. No se observó disminución en las categorías iniciales. Las herramientas de análisis de imágenes pueden ser útiles para entrenamiento de profesionales en patología.
Description
Keywords
Patología digital, Histopatología, Gleason, Adenocarcinoma, Próstata, Deep Learning, Inteligencia artificial