Apprendimento profondo per la classificazione istopatologica e la prognosi dei tumori muscolari lisci ginecologici (STUMP)

I tumori della muscolatura liscia dell’utero che non soddisfano i criteri diagnostici di benignità (come i leiomiomi) o di malignità (come i leiomiosarcomi) sono chiamati STUMP (tumore del muscolo liscio di incerto potenziale maligno). Una potenziale soluzione a questo problema potrebbe essere l’applicazione di modelli predittivi che utilizzano l’intelligenza artificiale (AI) per aiutare nella classificazione istopatologica e nella prognosi dei tumori della muscolatura liscia ginecologica. Il deep learning che utilizza le reti neurali convoluzionali rappresenta una classe specifica di machine learning, in cui i modelli predittivi vengono addestrati considerando piccoli gruppi di pixel nelle immagini digitali e identificando in modo iterativo le caratteristiche salienti. In questo studio, miriamo a sviluppare modelli di deep learning in grado di sottoclassificare e predire accuratamente la prognosi dei tumori della muscolatura liscia ginecologica, sulla base delle caratteristiche istopatologiche dei vetrini di ematossilina ed eosina (H&E). L’obiettivo è sviluppare un algoritmo diagnostico e prognostico per aiutare i patologi a classificare e diagnosticare meglio i tumori della muscolatura liscia uterina e a prevederne il decorso clinico.