Modelo generativo escalable y confiable para múltiples tinciones virtuales a partir de imágenes de cortes histológicos H&E

Los métodos de tinción química son confiables pero requieren mucho tiempo, químicos costosos y generan preocupaciones ambientales. Estos desafíos resaltan la necesidad de soluciones alternativas como la tinción virtual, que acelera el proceso de diagnóstico y mejora la flexibilidad en la aplicación de tintes. Las tecnologías de IA generativa son cruciales para abordar estos problemas. Sin embargo, la naturaleza crítica de las decisiones en el cuidado de la salud, especialmente en la patología computacional, complica la adopción de estas herramientas debido a sus procesos opacos. Nuestro trabajo introduce el uso de IA generativa para la tinción virtual, con el objetivo de mejorar el rendimiento, la confiabilidad, la escalabilidad y la adaptabilidad en la patología computacional. La metodología se centra en un único codificador H&E que soporta múltiples decodificadores de tinciones. Este diseño se enfoca en regiones críticas en el espacio latente de H&E, lo que permite una generación precisa de tinciones sintéticas. Nuestro método, probado para generar 8 tinciones diferentes a partir de un solo corte H&E, ofrece escalabilidad al cargar solo los componentes del modelo necesarios durante la producción. Integramos conocimiento sin etiquetas en el entrenamiento, utilizando funciones de pérdida y regularización para minimizar artefactos, mejorando así la precisión de la tinción virtual emparejada/no emparejada. Para generar confianza, utilizamos autoinspección en tiempo real con discriminadores para cada tipo de tinción, proporcionando a los patólogos mapas de calor de confianza. Comprobaciones automáticas de calidad en nuevos cortes H&E aseguran conformidad con la distribución entrenada, garantizando tinciones sintéticas precisas. Reconociendo los desafíos que enfrentan los patólogos con nuevas tecnologías, hemos desarrollado un sistema basado en la nube y de código abierto, que permite una fácil tinción virtual de cortes H&E a través de un navegador, abordando problemas de hardware/software y facilitando la retroalimentación de los usuarios en tiempo real. También hemos recopilado un nuevo conjunto de datos de 8 tinciones pareadas H&E relacionadas con la enfermedad de Crohn pediátrica, que comprende 480 cortes WSI para estimular aún más la investigación en patología computacional.