O aprendizado profundo revela informações prognósticas além do estágio AJCC na histopatologia de rotina do melanoma em estágio inicial: o estudo D-ESMEL de base populacional

O que aconteceu

De todos os pacientes com melanoma que desenvolvem metástase à distância ao longo do tempo, 41% foram inicialmente diagnosticados com estágio I/II. Modelos prognósticos mais precisos são necessários para selecionar pacientes para terapia (neo)adjuvante potencial. Hipótese de que características histopatológicas em imagens inteiras de lâminas (WSIs) de melanomas primários em estágio inicial fornecem informações adicionais além da fase American Joint Committee on Cancer (AJCC). Utilizamos dados do estudo Holandês Early-Stage Melanoma (D-ESMEL). Isto incluiu um conjunto de descoberta (n=328) de conjuntos caso-controle pareados no tempo de seguimento e características prognósticas conhecidas (isto é, espessura de Breslow, ulceração, idade e sexo) e uma coorte de validação baseada em > 5.500 pacientes seguindo um desenho caso-controle aninhado (NCC) com controles em estádio-matched (n=266). Desenvolvemos um fluxo de trabalho de aprendizagem profunda de ponta a ponta para extrair automaticamente patches relevantes de WSIs e prever o risco metastático em nível de paciente com base em características histopatológicas independentes do estágio AJCC. O conjunto de descoberta serviu como um conjunto de treinamento para o fluxo de trabalho usando validação cruzada de 10 vezes. O desempenho prognóstico desse modelo e sua independência dos fatores de risco clínicos foram avaliados na coorte de validação utilizando odds ratios (OR) e o índice C ponderado. Obteve-se uma acurácia equilibrada de 0,88 (média: 0,81; IC 95%: 0,77-0,85) na melhor dobra de validação do conjunto de descobertas. Na coorte de validação, as predições de risco metastático do modelo de aprendizagem profunda foram um fator prognóstico independente (OR ajustada: 1,97; p<0,01). Combinando as predições de aprendizagem profunda (índice C: 0,86) com o estágio AJCC (índice C: 0,80) obteve-se o maior índice C de 0,87, melhorando significativamente o índice C em relação ao estágio AJCC isoladamente (p<0,001). Nosso modelo de aprendizagem profunda baseado em histopatologia foi rigorosamente avaliado em uma coorte de base populacional e demonstrou valor prognóstico adicional além do estágio AJCC. Outras investigações sobre as características biológicas subjacentes poderiam melhorar a tomada de decisão clínica e os resultados dos pacientes.