Eliminación de efectos de lote de imágenes histopatológicas para un diagnóstico cancerígeno mejorado

Los investigadores han desarrollado sistemas de soporte de decisión asistidos por computadora para la medicina traslacional que tienen como objetivo diagnosticar el cáncer de manera objetiva y eficiente utilizando imágenes histopatológicas. Sin embargo, el rendimiento de tales sistemas se ve confudido por variaciones experimentales no biológicas o "efectos de lote" que pueden ocurrir comúnmente en datos histopatológicos, especialmente cuando las imágenes se adquieren utilizando diferentes dispositivos de imagen y muestras de pacientes. Esto es aún más problemático en estudios a gran escala en los que se requiere compartir grandes volúmenes de datos entre laboratorios. Los efectos de lote pueden cambiar las características morfológicas cuantitativas de las imágenes y disminuir el rendimiento de predicción. Utilizando cuatro lotes de imágenes de tumores renales, comparamos un método de eliminación de efectos de lote a nivel de imagen y cinco métodos a nivel de características. El análisis de variación de componentes principales muestra que el lote es una gran fuente de varianza en las características de las imágenes. Los resultados muestran que los métodos de normalización a nivel de características reducen la varianza atribuida al lote a casi cero. Además, la normalización a nivel de características, especialmente ComBatN, mejora el rendimiento de predicción de lotes cruzados y combinados. En comparación con la falta de normalización, ComBatN mejora el rendimiento en el 83% y el 90% de los modelos de predicción de lotes cruzados y combinados, respectivamente.