Un modelo de aprendizaje profundo para la detección automática de malignidad en citología de efusiones

La acumulación excesiva de líquido entre las capas de pleura que cubren los pulmones se conoce como efusión pleural. La efusión pleural puede deberse a diversas infecciones, inflamaciones o malignidades. Los citólogos examinan visualmente el portaobjetos microscópico para detectar las células malignas. El proceso es laborioso y la interpretación de las células reactivas y las células con niveles ambiguos de atipia puede variar entre los patólogos. Se está llevando a cabo una considerable investigación hacia la automatización de la elaboración de informes de citología de fluidos. Proponemos un enfoque integrado basado en aprendizaje profundo, donde la red aprende directamente a detectar las células malignas en imágenes de citología de efusiones. Se utiliza la arquitectura U-Net para aprender las células malignas y benignas de las imágenes y detectar las imágenes que contienen células malignas. El modelo proporciona una precisión de 0.96, una sensibilidad de 0.96 y una especificidad de 0.97. El AUC de la curva ROC es de 0.97. El modelo puede ser utilizado como una herramienta de detección y tiene una tasa de detección de células malignas del 0.96 con una baja tasa de falsas alarmas del 0.03.