Deep learning model with pathological knowledge for detection of colorectal neuroendocrine tumor
15 de octubre de 2024
En este estudio se presenta un modelo de aprendizaje profundo que distingue eficazmente los tumores neuroendocrinos colorrectales (NET por sus siglas en inglés) de los carcinomas colorrectales (CRC por sus siglas en inglés) mediante imágenes patológicas. Utilizando conocimientos patológicos previos, el modelo selecciona de manera inteligente solo el 2% de los entornos de diagnóstico relevantes, logrando una alta precisión en el área bajo la curva característica operativa del receptor (AUROC por sus siglas en inglés) de 0,9974 en el conjunto de datos interno, y de 0,9724 y 0,9513 en dos conjuntos de datos externos. De acuerdo con los autores, este enfoque reduce la dependencia de pruebas inmunohistoquímicas, mejorando la eficiencia del diagnóstico y ofreciendo posibles aplicaciones clínicas para tratamientos personalizados.
