Pipeline di deep learning predice i sottotipi di cancro al seno da immagini istopatologiche

I ricercatori hanno sviluppato un nuovo framework di deep learning in grado di predire i sottotipi di cancro al seno PAM50 utilizzando immagini di intere sezioni colorate con H&E, riducendo la dipendenza da costosi test molecolari. Questo metodo combina un approccio di ottimizzazione multi-obiettivo con l'algoritmo genetico non dominato II (NSGA-II) e il dropout Monte Carlo per valutare l'incertezza, ottimizzando vari fattori come l'informatività dei patch e la diversità spaziale. Il modello utilizza un backbone ResNet18 per l'estrazione delle caratteristiche insieme a una testa CNN personalizzata per la classificazione, ed è stato valutato utilizzando il dataset interno TCGA-BRCA. La firma genica PAM50 aiuta a categorizzare il cancro al seno in sottotipi specifici, aprendo la strada a strategie terapeutiche personalizzate. Questa pipeline efficiente seleziona un insieme piccolo ma informativo di patch, potenzialmente riducendo i costi e accelerando i processi clinici.