SECUAH 2026 > Ayuso-Cerezo etal 2026

dianas | Vol 15 No 1 | marzo 2026 | e202603x017

Evaluación de la celularidad tumoral en carcinoma no microcítico de pulmón: estudio de concordancia entre patólogos, análisis digital e inteligencia artificial

Hugo Ayuso-Cerezo^1,a, Natalia Torres-Calcines², Amparo Benito-Berlinches^1,2, Sonsoles Aso-Manso², Tamara Caniego-Casas^1,2,3, Miguel García⁴, Belén Pérez-Mies^1,2,3, José Palacios^1,2,3, Irene Carretero-Barrio^2,3

1. Facultad de Medicina y Ciencias de la Salud, Universidad de Alcalá, Madrid, España.  2. Servicio de Anatomía Patológica, Hospital Universitario Ramón y Cajal, IRYCIS, Madrid, España.  3. Centro de Investigación Biomédica en Red Cáncer (CIBERONC), Instituto de Salud Carlos III, Madrid, España.  4. Servicio de Oncología Médica, Hospital Universitario Ramón y Cajal, IRYCIS, Madrid, España. 

a. hugoayusocerezo@gmail.com 

XI Congreso de Señalización Celular, SECUAH 2026.
XX Simposio de Dianas Terapéuticas.
16 a 18 de marzo, 2026. Universidad de Alcalá. Alcalá de Henares, Madrid. España.

Palabras clave: patología digital; inteligencia artificial; carcinoma no microcítico de pulmón; NSCLC; anatomía patológica

Resumen

La determinación del porcentaje de celularidad neoplásica de biopsias tumorales es estimado visualmente por un patólogo. Esta estimación es necesaria siempre que la muestra requiera de técnicas complementarias de biología molecular, situando el umbral de aceptación en 20% de celularidad tumoral. Este estudio tiene como objetivo principal determinar si los resultados de dos metodologías basadas en inteligencia artificial concuerdan con la estimación visual del patólogo. Para ello se seleccionaron retrospectivamente biopsias de pacientes diagnosticados de carcinoma no microcítico de pulmón (NSCLC) de la cohorte del proyecto INGENIO. Cada bloque tumoral fue teñido con hematoxilina-eosina y las preparaciones histológicas resultantes fueron escaneadas por un escáner UFS Philips. Por un lado, un patólogo experto en patología pulmonar estimó visualmente el porcentaje de celularidad tumoral. Por otro lado, para la estimación digital se emplearon dos metodologías basadas en inteligencia artificial. En la primera, QuPath, se realizó la anotación manual del área del tumor y de tejido sano, se realizó una segmentación celular con un algoritmo integrado en el software y se clasificaron las células en tumorales y estromales empleando una red neuronal artificial. En la segunda se empleó una plataforma comercial, AISight. En ella se introdujeron todas las biopsias y directamente obtuvimos el porcentaje neoplásico sin intervención manual previa. El análisis estadístico se realizó en R. Se consideraron significativos los p<0,05 en el coeficiente de correlación intraclase (ICC) y se analizaron los resultados mediante los gráficos de Bland-Altman, calculando el sesgo medio (bias) y los límites de acuerdo (bias ± 1,96SD). Tras analizar 125 biopsias de pacientes con NSCLC, AISight muestra una mayor concordancia con la estimación visual del patólogo (ICC = 0,83; p < 0,001) presentando un sesgo despreciable [bias = –0,96%; IC95%(–23,29; 21,38)]. Por el contrario, QuPath presenta una concordancia moderada con el patólogo (ICC = 0,69; p < 0,001) pero una tendencia sistemática a sobreestimar la celularidad tumoral [bias = –11,52%; IC95%(–42,98; 19,81)]. Al comparar las metodologías basadas en inteligencia artificial se muestra una concordancia moderada (ICC = 0,66; p < 0,001). En este caso, QuPath arroja valores significativamente superiores a AISight (bias = –10,57%), con una variabilidad elevada entre ambos métodos [IC95%(–41,90; 20,76)]. En conclusión, AISight demuestra ser una metodología más robusta y fiel al criterio del patólogo, mientras que la intervención humana en QuPath introduce un sesgo de sobreestimación que podría comprometer la precisión de la selección de muestras para estudios moleculares.