Aprendizaje profundo para la clasificación histopatológica y el pronóstico de tumores ginecológicos del músculo liso (STUMP)

Los tumores del músculo liso del útero que no cumplen con los criterios diagnósticos de benignidad (como los leiomiomas) o malignidad (como los leiomiosarcomas) se denominan STUMP (tumor del músculo liso de potencial maligno incierto). Una posible solución a este problema podría ser la aplicación de modelos predictivos que utilicen inteligencia artificial (IA) para ayudar en la clasificación histopatológica y el pronóstico de los tumores del músculo liso ginecológicos. El aprendizaje profundo que utiliza redes neuronales convolucionales representa una clase específica de aprendizaje automático, en el que los modelos predictivos se entrenan considerando pequeños grupos de píxeles en imágenes digitales e identificando de forma iterativa características destacadas. En este estudio, nuestro objetivo es desarrollar modelos de aprendizaje profundo capaces de subclasificar y predecir con precisión el pronóstico de los tumores del músculo liso ginecológicos, basándose en las características histopatológicas de los portaobjetos de hematoxilina y eosina (H&E). El objetivo es desarrollar un algoritmo de diagnóstico y pronóstico para ayudar a los patólogos a clasificar y diagnosticar mejor los tumores del músculo liso uterino y predecir su curso clínico.