Sci Rep. 26 de noviembre de 2025; 15 (1): 42115. doi: 10.1038/s41598-025-26122-w.
En los diagnósticos de rutina del cáncer de mama, los patólogos suelen revisar cada caso dos veces: primero para determinar la necesidad de tinciones inmunohistoquímicas (IHC) y una segunda vez para emitir el diagnóstico final, lo que genera una carga de trabajo y retrasos significativos. Presentamos un sistema basado en inteligencia artificial diseñado para agilizar este proceso al distinguir el carcinoma invasivo del fibroadenoma y las lesiones in situ en imágenes de diapositivas completas de biopsias de mama teñidas con H&E, lo que permite solicitudes automáticas de tinción IHC para estas lesiones, mientras nos abstenemos en casos no objetivo o de baja confianza. El sistema aprovecha un método débilmente supervisado, entrenado directamente en las etiquetas de diagnóstico finales sin necesidad de anotaciones manuales. Logra más del 91% de sensibilidad y especificidad entre tipos histológicos en la validación interna y muestra una fuerte generalización en dos estudios piloto externos. En un entorno real, el sistema podría determinar si se deben solicitar tinciones IHC (sensibilidad y especificidad > 96%) y qué tinciones (sensibilidad y especificidad > 81%). En comparación con patólogos expertos y modelos de última generación, nuestro modelo tiene un rendimiento competitivo. Diseñado para su implementación en el mundo real, está completamente integrado en el estándar de Comunicaciones e Imágenes Digitales en Medicina (DICOM). En los datos de validación, podría haber ahorrado hasta 43 h de tiempo a los patólogos. Nuestro modelo representa una solución escalable para flujos de trabajo de diagnóstico BC más eficientes.
PubMed:41298612 | DOI:10.1038/s41598-025-26122-w