{"id":372251,"date":"2023-12-29T14:00:00","date_gmt":"2023-12-29T13:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/un-algoritmo-ayuda-en-el-diagnostico-del-ssp\/"},"modified":"2023-12-28T23:38:55","modified_gmt":"2023-12-28T22:38:55","slug":"un-algoritmo-ayuda-en-el-diagnostico-del-ssp","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/es\/un-algoritmo-ayuda-en-el-diagnostico-del-ssp\/","title":{"rendered":"Un algoritmo ayuda en el diagn\u00f3stico del SSp"},"content":{"rendered":"\n

La puntuaci\u00f3n focal (FS) en las biopsias de las gl\u00e1ndulas salivales menores labiales es uno de los dos criterios m\u00e1s importantes (junto con la positividad anti-SSA) para el diagn\u00f3stico del s\u00edndrome de Sj\u00f6gren primario (SSp). Con el fin de reducir las tasas de error en el diagn\u00f3stico, los algoritmos de aprendizaje profundo que utilizan redes neuronales artificiales podr\u00edan servir de apoyo a los pat\u00f3logos en el futuro. <\/strong><\/p>\n\n\n\n

Seg\u00fan los criterios ACR\/EULAR para el pSS, la clasificaci\u00f3n de la puntuaci\u00f3n de enfoque (FS) es uno de los tres criterios de clasificaci\u00f3n, pero requiere unos conocimientos especializados que no siempre est\u00e1n disponibles en la pr\u00e1ctica. El 53% de los casos conducen a una revisi\u00f3n del diagn\u00f3stico cuando son evaluados por expertos. <\/p>\n\n

El aprendizaje<\/em> autom\u00e1tico implica familias de algoritmos que pueden tomar una gran cantidad de datos y utilizarlos para predecir algo, por ejemplo. El aprendizaje profundo es un subconjunto de este campo que se centra en una sola familia de algoritmos y se denomina “redes neuronales profundas”, explica a modo de introducci\u00f3n Louis Basseto, Scienta Lab, Departamento de Investigaci\u00f3n, Par\u00eds [1]. <\/p>\n\n

El aprendizaje profundo ya se utiliza en patolog\u00eda m\u00e9dica, por ejemplo en el c\u00e1ncer de mama, donde ya se emplean algoritmos para reconocer met\u00e1stasis en muestras de tejido de ganglios linf\u00e1ticos con gran precisi\u00f3n y mejor rendimiento que los pat\u00f3logos. “Nuestro grupo tambi\u00e9n ha demostrado que el aprendizaje autom\u00e1tico puede utilizarse en la artritis reumatoide para predecir la respuesta al metotrexato y a los inhibidores del TNF”. Ahora, los investigadores se han propuesto aplicar el aprendizaje profundo al s\u00edndrome de Sj\u00f6gren y averiguar si puede ayudar en la categorizaci\u00f3n de la puntuaci\u00f3n del foco y en el diagn\u00f3stico del pSS?<\/p>\n\n

Aprendizaje profundo basado en biopsias de gl\u00e1ndulas salivales <\/h3>\n\n

Para ello, desarrollaron dos redes de aprendizaje profundo utilizando biopsias digitalizadas de gl\u00e1ndulas salivales labiales de pacientes para predecir la puntuaci\u00f3n focal (FS \u22651 o FS <1) y el diagn\u00f3stico del s\u00edndrome de Sj\u00f6gren primario bas\u00e1ndose \u00fanicamente en la histolog\u00eda (pSS+ o pSS-). En el estudio participaron 325 pacientes (145 de la Universidad de Par\u00eds-Saclay, Hospital de Bic\u00eatre, 71 de la Universidad Queen Mary de Londres y 109 de la Universidad de Birmingham), utilizando biopsias tomadas en la pr\u00e1ctica cl\u00ednica habitual. Los participantes se dividieron en tres grupos:<\/p>\n\n

    \n
  1. pSS y FS <1 (32%, s\u00edntomas de sicca)<\/li>\n\n\n\n
  2. pSS+ y FS \u22651 (47%)<\/li>\n\n\n\n
  3. pSS+ y FS <1 (21%)<\/li>\n<\/ol>\n\n

    Todos los FS fueron confirmados previamente por pat\u00f3logos y los diagn\u00f3sticos de pSS por expertos.<\/p>\n\n

    Se utilizan una o varias im\u00e1genes de la biopsia para realizar una predicci\u00f3n. Cada imagen se divide en mosaicos y el algoritmo asigna una puntuaci\u00f3n de riesgo a cada uno de estos mosaicos de forma independiente. A continuaci\u00f3n, toda esta informaci\u00f3n se combina para hacer una predicci\u00f3n de la puntuaci\u00f3n del foco o del diagn\u00f3stico, dependiendo del algoritmo que se utilice. <\/p>\n\n

    “Utilizamos dos conjuntos de datos diferentes”, explic\u00f3 Basseto: un conjunto de entrenamiento (70% de los pacientes) y un conjunto de validaci\u00f3n (30% de los pacientes). Los dos conjuntos contienen la misma proporci\u00f3n de clases positivas y negativas (pSS+\/pSS- o FS \u22651\/FS <1) und die verschiedenen Zentren, aus denen sich die Teilnehmer zusammensetzen, sind im Training und in der Validierung gemischt. Diese beiden Aufgaben nennt man \u00absemi-supervised learning\u00bb, also halb\u00fcberwachtes Lernen. \u00abDas ist der Schl\u00fcssel zum Verst\u00e4ndnis der Arbeit: Halb\u00fcberwachtes Lernen bedeutet, dass wir dem Modell im Training zwar Informationen geben \u2013 z.B. sagen wir ihm, wenn ein Patient einen FS>1. Sin embargo, no decimos qu\u00e9 partes de las im\u00e1genes llevar\u00edan a un pat\u00f3logo a creer esto. El modelo lo determina a partir de los propios datos”. <\/p>\n\n

    Nuevos biomarcadores potenciales<\/h3>\n\n

    El rendimiento del algoritmo se midi\u00f3 mediante el \u00e1rea bajo la curva ROC (AUROC). En cuanto a la puntuaci\u00f3n de enfoque (FS \u22651\/FS <1), el algoritmo logr\u00f3 un AUROC de 0,88. El 77% de las predicciones positivas eran en realidad pacientes con una puntuaci\u00f3n de enfoque \u22651. En el caso del valor de predicci\u00f3n negativo, el 83% de los datos indicaron correctamente que se trataba de un FS<1. En el caso de la predicci\u00f3n del diagn\u00f3stico, el AUROC fue de 0,84. El 83% de los pacientes con una predicci\u00f3n positiva del algoritmo eran realmente Sj\u00f6gren positivos (pSS+) y el 67% de los pacientes con una predicci\u00f3n negativa eran realmente Sj\u00f6gren negativos (pSS-) (Tabla 1)<\/strong>.<\/p>\n

    \n
    \"\"<\/a><\/figure>\n<\/div>\n

    “Estas predicciones se hicieron \u00fanicamente sobre la base de las im\u00e1genes. No le dijimos al algoritmo d\u00f3nde mirar para tomar su decisi\u00f3n, pero despu\u00e9s del entrenamiento, podemos revisar los algoritmos para ver en qu\u00e9 se basaron para hacer sus predicciones.” El hallazgo de los investigadores fue que el algoritmo para la puntuaci\u00f3n del foco identific\u00f3 los focos de linfocitos para hacer una predicci\u00f3n (Fig. 1). <\/strong>Esto garantiza la explicabilidad y permite al pat\u00f3logo confirmar visualmente los resultados de la predicci\u00f3n. Por lo tanto, esto es tranquilizador para el SL, afirma Basseto, “pero lo que es tranquilizador para el SL es muy emocionante para el diagn\u00f3stico, ya que podr\u00eda conducir a la identificaci\u00f3n potencial de nuevos biomarcadores histol\u00f3gicos que s\u00f3lo son de inter\u00e9s para la poblaci\u00f3n pSS+ y SL<1)”. Este aspecto es de especial inter\u00e9s para los futuros trabajos del grupo de investigaci\u00f3n.<\/p>\n

    \n
    \"\"<\/a><\/figure>\n<\/div>\n

    Mensajes para llevar a casa<\/strong><\/p>\n\n

      \n
    • El aprendizaje profundo predice con precisi\u00f3n la puntuaci\u00f3n de enfoque y el diagn\u00f3stico del s\u00edndrome de Sj\u00f6gren primario a partir de biopsias de gl\u00e1ndulas salivales labiales.<\/li>\n\n\n\n
    • El aprendizaje profundo podr\u00eda reducir potencialmente la tasa de error en el diagn\u00f3stico en ~2,5 veces. La tasa de error debida al aprendizaje profundo es del 19,7% frente al 53% de los centros no expertos.<\/li>\n<\/ul>\n\n

      Perspectivas:<\/em><\/p>\n\n

        \n
      • Se necesitan m\u00e1s evaluaciones cl\u00ednicas para validar los algoritmos en la pr\u00e1ctica cl\u00ednica real.<\/li>\n\n\n\n
      • Validaci\u00f3n adicional en una cohorte mayor.<\/li>\n\n\n\n
      • Los trabajos en curso pretenden identificar nuevos biomarcadores histol\u00f3gicos asociados al diagn\u00f3stico del SSp.<\/li>\n<\/ul>\n\n

        Congreso: EULAR 2023<\/em><\/p>\n\n

        <\/p>\n\n

        Fuente:<\/p>\n\n

          \n
        1. Basseto L: Vortrag \u00abDeep Learning Accurately Predicts Focus Score and Diagnosis of Primary Sj\u00f6gren Syndrome using Labial Salivary Gland Biopsies\u00bb; EULAR 2023, Mailand, 2.6.2023 (online).<\/li>\n\n\n\n
        2. Basseto L: Scientific Abstract OP0232, EULAR 2023; doi: 10.1136\/annrheumdis-2023-eular.418.<\/li>\n<\/ol>\n\n

          <\/p>\n\n

          InFo RHEUMATOLOGIE 2023: 5(2): 20\u201321<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

          La puntuaci\u00f3n focal (FS) en las biopsias de las gl\u00e1ndulas salivales menores labiales es uno de los dos criterios m\u00e1s importantes (junto con la positividad anti-SSA) para el diagn\u00f3stico del…<\/p>\n","protected":false},"author":7,"featured_media":372252,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"S\u00edndrome de Sj\u00f6gren","footnotes":""},"category":[11483,11288,11393,11451,11552],"tags":[51209,42513,18523,13644,67918,14175,73466,14179,73465,73468,73467],"powerkit_post_featured":[],"class_list":["post-372251","post","type-post","status-publish","format-standard","has-post-thumbnail","category-el-congreso-informa","category-medicina-interna-general","category-orl-es","category-reumatologia","category-rx-es","tag-ai-es-2","tag-ai-es","tag-aprendizaje-profundo","tag-biomarcador-es","tag-biopsias-es-2","tag-diagnostico-es-2","tag-glandulas-salivales-labiales","tag-inteligencia-artificial-es","tag-pss-es","tag-redes-neuronales-es","tag-sindrome-de-sjoegren-primario","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-07-09 11:18:25","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"es_ES","wpml_translations":[],"_links":{"self":[{"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/posts\/372251","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/comments?post=372251"}],"version-history":[{"count":3,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/posts\/372251\/revisions"}],"predecessor-version":[{"id":373272,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/posts\/372251\/revisions\/373272"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/media\/372252"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/media?parent=372251"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/category?post=372251"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/tags?post=372251"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/es\/wp-json\/wp\/v2\/powerkit_post_featured?post=372251"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}