Considerazioni metodologiche per la valutazione di modelli di segmentazione con deep learning in immagini whole-slide digitali di patologia

Questo studio affronta una questione fondamentale nella patologia computazionale: come valutare correttamente le prestazioni di algoritmi di segmentazione basati su deep learning quando applicati a dataset complessi come le immagini whole-slide. Il contesto clinico è particolarmente rilevante poiché la segmentazione automatica di regioni tumorali e stromali nel tumore al seno è cruciale per la prognosi e la stratificazione terapeutica. I ricercatori hanno utilizzato il dataset TIGER (Tumor InfiltratinG lymphocytes in breast cancER challenge), un benchmark riconosciuto nella comunità scientifica internazionale. La metodologia è particolarmente sofisticata perché affronta il problema pratico della valutazione quando le annotazioni gold standard coprono solo regioni di interesse selezionate, una situazione comune nella pratica clinica dove annotare intere slide è laborioso. Lo studio introduce tre approcci di aggregazione distinti: a livello di pixel, di regioni di interesse e di intere slide, dimostrando che l'uso di diverse unità di analisi non produce solo stime medie differenti ma anche livelli di incertezza significativamente diversi. Questo ha implicazioni profonde per la interpretazione dei risultati pubblicati in letteratura. Un risultato notevole riguarda l'effetto della normalizzazione del colore: quando i dati di addestramento e test provengono da scanner diversi o da laboratori differenti, l'applicazione di tecniche di normalizzazione cromatica migliora substantially le prestazioni dei modelli. Questo aspetto è spesso trascurato in pubblicazioni cliniche pur essendo critico per il transfer learning. Il lavoro si situa in un panorama di crescente interesse verso la validazione metodologica degli algoritmi di intelligenza artificiale in patologia digitale, contribuendo alla standardizzazione delle procedure di valutazione.