A foundation-model-powered AI system with post-read alerts and concurrent assistance improves gastric biopsy diagnosis across 29 pathological categories

Resumen Técnico: IA basada en Modelos de Fundación para el Diagnóstico de Biopsias Gástricas

Planteamiento del Problema
La interpretación de biopsias gástricas es una tarea diagnóstica compleja que requiere la evaluación simultánea de neoplasias malignas, lesiones precancerosas (displasia, metaplasia), infecciones (Helicobacter pylori) y diversas condiciones benignas. Los modelos actuales de inteligencia artificial (IA) en este dominio están limitados por un alcance estrecho, abordando típicamente solo dos o tres categorías diagnósticas (por ejemplo, maligno frente a no maligno), y han sido evaluados bajo un único modo de integración clínica. Además, los enfoques tradicionales de aprendizaje profundo para la clasificación multiclase requieren anotaciones extensas a nivel de píxel o conjuntos de datos masivos, lo que crea barreras para la escalabilidad y el despliegue en diversos entornos diagnósticos. Existe una falta de evidencia empírica que compare diferentes paradigmas de integración de flujo de trabajo (por ejemplo, asistencia concurrente frente a alertas de post-lectura) dentro de un mismo marco para la patología gástrica.

Metodología
El estudio desarrolló un sistema de aprendizaje profundo aprovechando un Modelo de Fundación de Visión (VFM, por sus siglas en inglés) para abordar estas limitaciones.

• Arquitectura del Modelo y Preentrenamiento: El sistema utiliza una arquitectura ResNet-50 preentrenada en un conjunto de datos diverso y a gran escala de 70,618 imágenes de portaobjetos completos (WSI) de múltiples sistemas orgánicos y tipos de enfermedades mediante el aprendizaje contrastivo de Barlow Twins. Este preentrenamiento se realizó de forma autosupervisada sin etiquetas específicas de la tarea.
• Estrategia de Ajuste Fino (Fine-tuning): El VFM preentrenado fue ajustado mediante un proceso de extremo a extremo para una tarea de clasificación multietiqueta de 29 clases utilizando el método de Redes Neuronales Convolucionales de Flujo Mejorado (ESCNN). Este enfoque permite el entrenamiento a nivel de portaobjetos completo sin requerir anotaciones a nivel de tesela o de píxel. El modelo fue entrenado con 10,462 WSI de biopsias gástricas del Hospital Memorial Chang Gung de Linkou (2020–2023).
• Alcance de la Clasificación: El modelo clasifica las biopsias en 29 categorías patológicas, organizadas jerárquicamente en categorías de alta prioridad (subtipos de malignidad), prioridad media (displasia, metaplasia, H. pylori, tumores benignos) y categorías de baja prioridad (inflamación, pólipos, úlceras, etc.).
• Localización Libre de Anotaciones: Para generar mapas de calor con resolución de píxel sin supervisión a nivel de píxel, el modelo emplea la agrupación de Rectified Log-Sum-Exp (ReLSE) combinada con convolución de flujo. Esto produce Mapas de Activación de Clase (CAMs) directamente a partir de etiquetas a nivel de portaobjetos.
• Paradigmas de Integración Clínica: Se evaluaron dos flujos de trabajo distintos:
  1. Sistema de Alerta de Post-Lectura: Una simulación retrospectiva donde el modelo identifica malignidades omitidas o codificadas errómente en los registros rutinarios del Sistema de Información de Laboratorio (LIS) en cuatro cohortes hospitalarias independientes (n=4,679).
  2. Sistema de Asistencia Concurrente: Un estudio de lectores prospectivo que involucró a seis patólogos que revisaron 120 WSI bajo dos condiciones: sin ayuda de IA y con asistencia de IA (mapas de calor para malignidad, displasia, metaplasia y H. pylori).
• Evaluación de Eficiencia de Datos: Se realizaron experimentos de "pocos disparos" (few-shot) para comparar el modelo ajustado con VFM frente a un modelo entrenado desde cero utilizando subconjuntos equilibrados de 200, 400 y 800 portaobjetos.

Resultados Clave

• Desempeño Diagnóstico: En un conjunto de prueba interno (n=2,957), el modelo alcanzó un Área Bajo la Curva (AUC) de 0.9945 para la detección de malignidad. También demostró un alto desempeño para displasia (AUC 0.9707), metaplasia (AUC 0.9489) y H. pylori (AUC 0.9210).
• Eficacia de la Alerta de Post-Lectura: En la simulación retrospectiva a través de cuatro cohortes externas, el sistema identificó 17 malignidades que fueron omitidas o mal codificadas en los registros diagnósticos de rutina. La adjudicación de expertos confirmó que estas eran verdaderos positivos, demostrando la capacidad del sistema para servir como una herramienta de control de calidad para la recuperación de errores retrospectivos.
• Impacto de la Asistencia Concurrente: En el estudio de lectores prospectivo, la asistencia de la IA mejoró significativamente la sensibilidad de los patólogos para la malignidad (aumentando de 92.2% a 94.8%, P = .034) y la metaplasia (aumentando de 94.2% a 97.4%, P = .013). El tiempo de revisión de la mediana por portaobjetos disminuyó ligeramente pero de forma significativa de 43.8 segundos a 41.1 segundos (P = .026). La especificidad se mantuvo estadísticamente sin cambios.
• Eficiencia de Datos: Un VFM ajustado con solo 400 portaobjetos (200 malignos, 200 benignos) logró un AUC de malignidad de 0.9906. Este desempeño superó a un modelo entrenado desde cero con el mismo subconjunto de 400 portaobjetos (AUC 0.9660) y también superó a un modelo entrenado desde cero utilizando el conjunto completo de 10,462 portaobjetos (AUC 0.9755).
• Localización: El modelo generó con éxito mapas de calor de resolución de píxel para las 29 categorías sin ninguna anotación de nivel de píxel, permitiendo la visualización de lesiones coexistentes (por ejemplo, malignidad con metaplasia y H. pylori) en una sola pasada de inferencia.

Significancia y Reivindicaciones
Los autores afirman que este estudio establece un marco para el despliegue de IA de doble modo en la patología de biopsia gástrica, abordando la necesidad tanto de soporte diagnóstico en tiempo real como de control de calidad retrospectivo. Las principales contribuciones son:

1. Alcance Integral: El primer modelo de IA de biopsia gástrica que clasifica simultáneamente 29 categorías patológicas, reflejando el alcance completo de la toma de decisiones del patólogo en lugar de limitar la salida a la detección binaria de malignidad.
2. Validación del Flujo de Trabajo: El primer estudio que evalúa prospectivamente los paradigmas de asistencia concurrente y de alerta de post-lectura dentro del mismo marco, demostrando que estos modos ofrecen compensaciones complementarias adecuadas para diferentes entornos clínicos (cribado de alto rendimiento frente a corrección de errores retrospectivos).
3. Eficiencia de Datos: Cuantificación sistemática que muestra que el preentrenamiento de VFM puede reducir los requisitos de datos anotados en órdenes de magnitud (por ejemplo, 400 portaobjetos frente a 10,000+) manteniendo o superando la precisión del entrenamiento tradicional a gran escala.
4. Localización Libre de Anotaciones: Demostración de que la localización de lesiones a resolución de píxel para 29 categorías es posible utilizando únicamente etiquetas a nivel de portaobjetos, eliminando el costo prohibitivo de la anotación a nivel de píxel para escalar la IA en patología.

Los autores posicionan estos hallazgos como bloques fundamentales para futuros sistemas de IA "agénticos" que puedan orquestar autónomamente los flujos de trabajo de patología, aprovechando los fundamentos de eficiencia de datos para adaptarse a enfermedades raras y diversos patrones histológicos sin necesidad de una recolección de datos extensiva.