Validation of an AI-based end-to-end model for prostate pathology using long-term archived routine samples

Resumo Técnico: Validação de um Modelo End-to-End Baseado em IA para Patologia Prostática Utilizando Amostras Rotineiras Arquivadas a Longo Prazo

Declaração do Problema
A inteligência artificial (IA) demonstrou potencial na automação da graduação histológica do câncer de próstata (pontuação de Gleason e grupos de grau ISUP), mas sua capacidade de generalizar através de variações na preparação de amostras, preservação e armazenamento arquivado a longo prazo permanece pouco compreendida. Modelos existentes, particularmente aqueles baseados em modelos de fundação (FMs) pré-treinados em conjuntos de dados massivos, frequentemente sofrem degradação de desempenho quando aplicados a coortes externas com protocolos de coloração diferentes, características de scanners ou variações temporais no processamento de tecidos. Além disso, o impacto específico de fatores relacionados ao tempo (por exemplo, idade da lâmina, desbotamento, diferenças históricas de processamento) na graduação baseada em IA não foi caracterizado. Há uma necessidade crítica de validação externa rigorosa em conjuntos de dados totalmente independentes, diversos e temporalmente extensos para determinar se os modelos de IA aprenderam características morfológicas relevantes para a doença em vez de assinaturas específicas de laboratório ou efeitos de lote.

Metodologia
O estudo realizou uma validação independente e pré-especificada do GleasonAI, um modelo totalmente end-to-end de aprendizado de múltiplas instâncias baseado em atenção (ABMIL) desenvolvido anteriormente por Mulliqi et al. A validação utilizou as coortes ProMort I e ProMort II, derivadas do Registro Nacional de Câncer de Próstata da Suécia (NPCR).

• Conjunto de Dados: O conjunto de validação compreendeu 10.366 núcleos de biópsia de 1.028 pacientes em 14 regiões suecas, coletados entre 1998 e 2015. Esses espécimes diagnósticos arquivados foram digitalizados usando um scanner moderno 3DHistech Pannoramic 250 Flash II e reanotados por patologistas especialistas de acordo com as diretrizes ISUP de 2014 e classificações da OMS de 2016 contemporâneas.
• Arquitetura do Modelo: O GleasonAI emprega um codificador EfficientNet-V2-S para extrair representações de características de patches de tecido, que são processados por um agregador ABMIL variante com portão. O modelo é treinado end-to-end (otimização conjunta do codificador e do agregador) em um grande conjunto de dados diversificado de mais de 61.000 imagens de lâminas inteiras (WSIs) de três coortes clínicas.
• Protocolo de Avaliação:
  • Detecção de Câncer: Sensibilidade, especificidade e Área sob a Curva (AUC) foram calculadas para distinguir núcleos benignos de malignos.
  • Desempenho de Graduação: A concordância com o patologista de referência foi medida usando kappa de Cohen ponderado quadraticamente (QWK) e kappa ponderado linearmente (LWK) para ambos os graus ISUP e pontuações de Gleason.
  • Análises de Sensibilidade: O desempenho foi estratificado por região geográfica (14 regiões), tempo de coleta de amostra (período de 17 anos) e variabilidade interobservador (comparando a IA contra múltiplos patologistas).
  • Análise Comparativa: O GleasonAI foi comparado a dois modelos de fundação de patologia de propósito geral (UNI e Virchow2) adaptados para a mesma tarefa usando codificadores congelados e módulos de agregação idênticos.
  • Análise Prognóstica: Uma análise exploratória de sobrevivência em nível de paciente avaliou a associação entre graus atribuídos pela IA e mortalidade específica do câncer de próstata usando regressão de riscos proporcionais de Cox.

Principais Resultados

• Desempenho Geral: O modelo alcançou um QWK de 0,86 para graduação ISUP em todos os núcleos (incluindo benignos) e 0,86 para classificação de pontuação de Gleason. Para detecção de câncer, o modelo demonstrou alta sensibilidade (96,9% no ProMort I, 96,2% no ProMort II) e especificidade (93,2% e 92,1%, respectivamente), com AUCs de 0,990 e 0,980.
• Generalização Geográfica: O desempenho manteve-se consistente em todas as 14 regiões geográficas, com valores de QWK ISUP variando de 0,79 a 0,92, indicando generalização robusta através de diversos ambientes laboratoriais.
• Robustez Temporal: Crucialmente, o modelo manteve desempenho estável ao longo do período de coleta de 17 anos (1998–2015). Os valores de QWK ISUP variaram de 0,83 a 0,87 entre subconjuntos temporais, não mostrando degradação significativa em espécimes mais antigos. Em contraste, os pipelines baseados em modelos de fundação (UNI e Virchow2) exibiram um padrão de desempenho decrescente em espécimes mais antigos, com valores de QWK progressivamente mais baixos para amostras coletadas mais no passado.
• Concordância Interobservador: A concordância do modelo de IA com patologistas de referência foi comparável à concordância observada entre uropatologistas humanos experientes. No subconjunto ProMort I (casos diagnosticamente desafiadores), a IA ficou em terceiro lugar entre quatro observadores; no ProMort II, alcançou níveis de concordância intermediários dentro da faixa de variabilidade humana.
• Utilidade Prognóstica: Os graus atribuídos pela IA demonstraram um claro gradiente prognóstico para mortalidade específica do câncer de próstata. Maiores graus ISUP e padrões específicos de Gleason (por exemplo, 4+3 vs. 3+4) mostraram aumentos estatisticamente significativos nas razões de risco, sugerindo que o modelo captura características morfológicas biologicamente relevantes.
• Segmentação: O módulo de segmentação de tecido identificou com sucesso tecido em 99,97% dos núcleos, com revisão manual confirmando que as poucas falhas foram devidas principalmente a erros de anotação e não a limitações do modelo.

Significado e Alegações
O artigo afirma que este estudo fornece a primeira validação externa abrangente de um sistema de diagnóstico de câncer assistido por IA através de um extenso período temporal (17 anos) de amostras rotineiras arquivadas. O significado primário reside em demonstrar que modelos end-to-end específicos para tarefas podem alcançar robustez a variações temporais no processamento e preservação de tecidos, uma propriedade não observada consistentemente com abordagens baseadas em modelos de fundação.

As descobertas apoiam a generalizabilidade do modelo GleasonAI através de diversas regiões geográficas e variações interobservador. Além disso, o estudo destaca o potencial subutilizado dos arquivos de patologia acumulados ao longo de décadas. Ao provar que lâminas históricas digitalizadas podem ser diretamente reaproveitadas para desenvolvimento e validação de IA sem exigir reprocessamento de tecido (resecção ou re-coloração), os autores argumentam que esses arquivos representam um recurso valioso para o desenvolvimento de IA em larga escala e pesquisa prognóstica retrospectiva, particularmente para doenças como o câncer de próstata, onde o acompanhamento a longo prazo é essencial. Os resultados sugerem que tais arquivos podem acelerar a tradução clínica de diagnósticos assistidos por IA.