Desenvolvimento e Validação de um Método Automatizado de Estratificação Prognóstica em Adenocarcinoma Pulmão utilizando Marcadores Imunohistoquímicos

O que aconteceu

Apresentamos um framework baseado em imagens automatizadas para quantificar a expressão de biomarcadores em imagens imunohistoquímicas (IHC) e introduzimos a pontuação Marker Expression Level (MEL) como uma alternativa objetiva à marcação visual H. O MEL aborda as principais limitações dos métodos automatizados existentes, integrando a segmentação tecido-região com quantificação de marcadores ponderados por área tumoral, normalização para mitigar a variabilidade da coloração interamostra e interbatch e quantificação robusta de biomarcadores nucleares, citoplasmáticos e associados à membrana. O gasoduto completo foi desenvolvido como uma ferramenta de código aberto Fiji/ImageJ e está disponível publicamente. Avaliamos a MEL utilizando imagens de IHC de 128 pacientes com adenocarcinoma pulmonar corados para BRCA1, GLUT1 e QKI, três marcadores formando uma assinatura prognóstica previamente descrita por nosso grupo. As regiões tecidulares foram segmentadas usando um plugin Fiji baseado em aprendizado de máquina, e os escores MEL foram calculados dentro de regiões tumorais. Uma estratégia de normalização foi responsável pela variabilidade da coloração inter-TMA. A concordância com os escores visuais de H foi avaliada por meio da correlação de Spearman. O desempenho prognóstico foi avaliado usando regressão de Cox para derivar um Índice Prognóstico Combinado (ICP) incorporando escores MEL e estádio tumoral. A segmentação alcançou alta acurácia em todas as regiões do tecido (coeficientes de Dice 0,69-0,99), com menor desempenho em áreas estromais altamente imunes. Os escores de MEL se correlacionaram significativamente com os escores visuais de H para todos os marcadores ({rho} = 0,61-0,69, p < 0,001). A normalização melhorou a concordância para GLUT1 ({rho} = 0,39 a 0,62). Os pacientes derivados do CPI estratificaram em grupos de risco distintos com diferenças significativas na sobrevida livre de doença e global (p < 0,05), comparável à pontuação visual. A MEL oferece uma alternativa reprodutível e escalonável para abordagens visuais especializadas e semiautomáticas padrão, como o QuPath. Sua integração com modelagem prognóstica reproduziu uma assinatura de sobrevida validada com desempenho comparável à pontuação de especialistas, apoiando aplicabilidade clínica e translacional. MEL não é um refinamento marginal dos métodos de pontuação digital existentes, mas sim um quadro clinicamente orientado e biologicamente adaptável projetado para melhorar a robustez e reprodutibilidade da quantificação automatizada de IHC.