Kun Xia, et al. DOI: 10.1016/j.patter.2025.101286
Recopilado por Carlos Cabrera Lozada. Individuo de Número, ANM Sillón VII. ORCID: 0000-0002-3133-5183. 23/08/2025
Resumen
La gastritis crónica (GC) es la enfermedad digestiva crónica más común, con limitaciones significativas en la evaluación endoscópica de la atrofia gástrica y la metaplasia intestinal (MI). Si bien el examen histológico sigue siendo el estándar de oro diagnóstico, la complejidad de la evaluación del GC requiere enfoques innovadores para mejorar la precisión y la eficiencia. En particular, el inicio temprano de la atrofia de las glándulas mucosas gástricas y la MI se correlaciona con grados elevados de OLGA/OLGIM y intervalos de seguimiento reducidos, lo que indica un mayor riesgo de cáncer gástrico en estadio temprano. Este estudio proporciona GastritisMIL, un modelo de aprendizaje profundo (DL) interpretable desarrollado utilizando el mayor conjunto de datos de imágenes de diapositivas completas (WSI) relacionadas con CG anotadas con etiquetas detalladas basadas en el sistema actualizado de Sydney. Nuestro modelo demuestra un rendimiento superior en la clasificación de alteraciones histológicas en tres cohortes de pruebas externas, superando significativamente a los patólogos jóvenes y alineándose estrechamente con las evaluaciones de los patólogos senior. Al ofrecer información patológica rápida y precisa, el modelo mejora la capacidad de los médicos para monitorear la progresión de la enfermedad, optimizar las estrategias endoscópicas y fortalecer la vigilancia de los pacientes de alto riesgo. Este trabajo establece un paradigma para integrar la DL en los flujos de trabajo clínicos para la evaluación patológica de la GC, con el potencial de agilizar la suficiencia diagnóstica y mejorar los resultados de los pacientes.