El análisis de imágenes basado en aprendizaje profundo predice el estado de PD-L1 a partir de imágenes histopatológicas teñidas con H&E en cáncer de mama

El ligando de muerte programada 1 (PD-L1) ha sido adoptado recientemente para el cáncer de mama como un biomarcador predictivo para inmunoterapias. El costo, tiempo y variabilidad de la cuantificación de PD-L1 mediante inmunohistoquímica (IHC) representan un desafío. En contraste, la hematoxilina y eosina (H&E) es una tinción robusta utilizada rutinariamente para el diagnóstico del cáncer. Aquí, demostramos que la expresión de PD-L1 puede predecirse a partir de imágenes teñidas con H&E empleando técnicas de aprendizaje profundo de última generación. Con la ayuda de dos patólogos expertos y un software de anotación diseñado, construimos un conjunto de datos para evaluar la viabilidad de la predicción de PD-L1 a partir de H&E en cáncer de mama. En una cohorte de 3,376 pacientes, nuestro sistema predice el estado de PD-L1 con un área bajo la curva (AUC) alta de 0.91 - 0.93. Nuestro sistema fue validado en dos conjuntos de datos externos, incluyendo una cohorte independiente de un ensayo clínico, mostrando un desempeño consistente en la predicción. Además, el sistema propuesto predice qué casos son propensos a interpretaciones erróneas por parte de los patólogos, demostrando que puede servir como un sistema de soporte de decisiones y aseguramiento de calidad en la práctica clínica.