Evaluarea infiltratului limfocitar tumoral în melanom: comparație între analiza patologică tradițională și evaluarea asistată de inteligență artificială

Limfocitele infiltrative tumorale (LIT) reprezintă un element esențial al microambientului tumoral și un indicator important al reacției imune împotriva cancerului. În melanom, prezența lor este asociată cu prognostic favorabil și răspuns mai bun la terapiile imunologice, cum ar fi inhibitorii punctelor de control imun. Totuși, metodele tradiționale de evaluare vizuală de către patologi sunt afectate de variabilitate inter-observator și subiectivitate. Această realitate a condus la dezvoltarea algoritmilor automatizați, capabili să cuantifice infiltratul limfocitar cu mai multă precizie și consistență.

Context și obiective

Studiul condus de Karolinska Institutet în colaborare cu Universitatea Yale a evaluat un algoritm de învățare automată, denumit ANNMAR_24, proiectat să reducă variabilitatea analitică datorată procesării țesuturilor și să integreze inputul operatorului uman. Este prima cercetare amplă care a comparat în mod sistematic evaluarea LIT realizată de inteligența artificială cu scorurile vizuale acordate de patologi în melanom, în condiții care reproduc practica clinică reală.

Metodologie

Analiza a inclus două cohorte de pacienți:

• Cohorta de antrenament: 103 secțiuni tisulare de la Melanoma Institute of Australia, colectate între 1998 și 2019
• Cohorta de testare: 111 pacienți diagnosticați cu melanom la Yale University între 1981 și 2010

Imaginile histologice au fost digitalizate, normalizate cromatic și analizate atât manual, cât și prin algoritmul AI. Evaluarea manuală a utilizat sistemele Clark și LIT-WG, iar participanții au fost certificați în scorarea LIT conform unui program de formare aprobat de FDA.

Pentru evaluarea variabilității inter-observator, 60 de imagini reprezentative au fost distribuite unui grup internațional de 69 de participanți, incluzând patologii și cercetători, care au realizat scorarea manuală sau asistată de AI.

Rezultate principale

Performanța algoritmului ANNMAR_24 a fost evaluată prin scorul F1:

• Cel mai bun rezultat pentru identificarea celulelor tumorale (F1=0,80)
• Performanță solidă pentru celulele imune (F1=0,70)
• Performanță moderată pentru celulele stromale (F1=0,53)

Reproducibilitatea scorurilor LIT:

• AI a demonstrat o consistență excelentă între operatori, cu coeficienți ICC între 0,91 și 0,94 pentru diferitele variabile derivate automat
• Evaluarea manuală a scorului sLIT a obținut un ICC de 0,60 (bună reproducibilitate)
• Scorarea intratumorală Clark a arătat o concordanță redusă între patologii (Kendall W=0,44)

În plus, AI a prezentat o reproducibilitate similară între utilizatori cu și fără pregătire medicală avansată, ceea ce sugerează aplicabilitate largă în mediul clinic.

Validitatea clinică

Analiza prognostică a evidențiat că scorurile generate de AI sunt asociate cu supraviețuirea specifică melanomului:

• eLITs ≥ mediana: risc redus de deces (HR=0,53; p=0,04)
• etLITs ≥ mediana: risc redus de deces (HR=0,47; p=0,008)
• sLIT ≥10% (evaluat manual): asociere pozitivă cu supraviețuirea (HR=0,54; p=0,06)
• Scorul Clark: fără asociere semnificativă cu prognosticul

În analiza multivariabilă ajustată pentru sex, vârstă și stadiul tumoral, doar scorurile generate de AI și stadiul bolii au rămas predictori independenți ai supraviețuirii.

Interpretare

Rezultatele acestui studiu internațional sugerează că evaluarea infiltratului limfocitar tumoral prin inteligență artificială este:

• Mai consistentă decât evaluarea vizuală tradițională
• Mai reproductibilă între operatori cu pregătire diferită
• Mai predictivă pentru prognosticul clinic

În contrast, metodele clasice, în special scorul Clark, au prezentat limitări de fiabilitate și valoare prognostică scăzută. Implementarea unui algoritm standardizat, open-source, cum este ANNMAR_24, ar putea facilita integrarea evaluării AI în rutina diagnostică.

Limitări

Principala limitare a studiului este natura sa retrospectivă, ceea ce restricționează demonstrarea utilității clinice prospective. Totuși, aceste cercetări reprezintă un pas esențial pentru validarea instrumentelor AI înaintea studiilor clinice de implementare.

Concluzii

Evaluarea infiltratului limfocitar tumoral în melanom prin algoritmul ANNMAR_24 a arătat performanță superioară evaluării tradiționale, prin consistență sporită și relevanță clinică mai bună.

Rezultatele sprijină utilizarea metodelor automatizate în scop diagnostic și prognostic și sugerează potențialul lor de a standardiza practica oncologică, cu impact direct asupra selecției terapiilor imunologice.