Un estudio retrospectivo multicéntrico publicado en PLOS Medicine investigó el uso de histopatología habilitada con aprendizaje profundo y multivista para la estratificación pronóstica y terapéutica en pacientes con cáncer colorrectal en etapa II. La investigación se centró en analizar muestras de tejido para identificar características que puedan predecir la probabilidad de recurrencia de la enfermedad y ayudar a determinar el tratamiento más adecuado para cada paciente.
El estudio utilizó técnicas avanzadas de aprendizaje profundo para analizar imágenes de alta resolución de las muestras de tejido, considerando múltiples perspectivas (multivista) para obtener una evaluación más completa. El objetivo fue identificar patrones sutiles que podrían no ser evidentes para el ojo humano, y que podrían estar asociados con diferentes resultados clínicos.
Los resultados de la investigación podrían conducir a una mejor estratificación de los pacientes con cáncer colorrectal en etapa II, permitiendo a los médicos personalizar el tratamiento y mejorar los resultados para aquellos con mayor riesgo de recurrencia. Este enfoque podría ayudar a evitar tratamientos innecesarios en pacientes con bajo riesgo, y a intensificar el tratamiento en aquellos que más lo necesitan.
