Clasificación de imágenes de cáncer gástrico aplicando aprendizaje profundo

Abstract

En Chile, el cáncer gástrico es el segundo tipo de cáncer con mayor mortalidad. Su alta mortalidad se debe a que no presenta sintomatología temprana por lo que frecuentemente es detectado cuando el cáncer está en etapa avanzada. Para detectarlo, un método es extraer una biopsia y someterla a un análisis inmunohistoquímico (IHC) lo cual genera una tensión particular en las células donde la proteína HER2 está sobreexpresada. La expresión de la proteína HER2 es un indicador de un subtipo de cáncer gástrico, el cuál tiene un tratamiento específico más efectivo. Las muestras son escaneadas generando imágenes de gran tamaño del orden de los 40 GB. Los médicos patólogos observan las imágenes y analizando la forma y color de las células determinan la clase de expresión HER2 de la muestra. En esta memoria se entrena y evalúa una arquitectura de deep learning llamada InceptionV3 para realizar la clasificación de expresión HER2, con la idea de buscar mejoras en el rendimiento. Esta memoria propone: primero, replicar un método existente y, luego, realizar una propuesta sobre cómo realizar un entrenamiento con un subconjunto de imágenes sobre el cual se tiene un mayor grado de certeza de que esté correctamente etiquetado. Para realizar la replicación del método existente, en la etapa de entrenamiento, se utilizó la base de datos del estudio PRECISO que son imágenes de resecciones con anotaciones de patólogos (NCT01633203, N= 34 pacientes). Además, se ejecutan los entrenamientos en el supercomputador de la universidad Austral de Chile llamado Patagón. Los principales resultados de este trabajo de memoria, son la implementación de la arquitectura InceptionV3 para los problemas de: clasificación tumor / no-tumor (2 clases) y reactividad HER2 (5 clases). En el primer caso se obtuvo un accuracy de 0.86. En el problema de 5 clases se obtuvo un accuracy de 0.5. Por otra parte, la implementación utilizó GPU de última generación que permitieron bajar los tiempos de cálculo de varios días a 8 horas. Por otra parte, se detalla e implementa un algoritmo para filtrar los parches de imágenes.