Patologia digital baseada em inteligência artificial usando imagens de lâminas inteiras coradas por H&E em imunooncologia: da detecção de biomarcadores imunes à predição da resposta à imunoterapia

A imunooncologia e o advento das imunoterapias, em particular os inibidores de checkpoint imunológico (ICIs), alteraram fundamentalmente a forma como tratamos o câncer. No entanto, apenas um pequeno subconjunto de pacientes responde efetivamente aos ICIs, e muitos enfrentam efeitos adversos significativos, tornando a seleção precisa de pacientes para ICIs essencial no trabalho da imunooncologia. Biomarcadores imunes, como o ligante 1 da morte programada, instabilidade de microssatélites/ reparo defeituoso de incompatibilidade e carga mutacional tumoral foram desenvolvidos para seleção e estratificação de pacientes para ICIs, embora suas habilidades preditivas permaneçam limitadas. Isso se deve a vários desafios: falta de amostragem tecidual adequada, a natureza demorada e subjetiva das técnicas manuais baseadas em quantificação visual e o reconhecimento crescente da complexidade do microambiente tumoral, que esses testes não conseguem capturar completamente sozinhos. Enquanto isso, tecnologias emergentes no campo da inteligência artificial (IA), como o desempenho das técnicas de aprendizado profundo em patologia digital, têm atraído atenção significativa por seu potencial uso nessa área. Muitos agora voltaram sua atenção para as aplicações relacionadas à imunooncologia em patologia digital, particularmente na análise de imagens de lâminas inteiras coradas por H&E amplamente disponíveis para auxiliar na detecção de biomarcadores imunes e predição da resposta aos ICIs. Nesta revisão, discutimos o cenário atual da patologia digital baseada em IA em imunooncologia, incluindo suas aplicações para identificar e quantificar biomarcadores imunes e, principalmente, seu potencial para predizer resposta aos ICIs e desfechos de sobrevida. Finalizaremos discutindo os desafios e as direções futuras da adoção das tecnologias de IA para implantação clínica.