Beyond the Slide publicó un artículo importante titulado “The Gold Standard Was Made of Clay”. Plantea de forma directa un problema que muchos patólogos conocen por la práctica diaria, pero que rara vez colocamos en el centro de la discusión regulatoria y de investigación: el grado histológico no representa toda la verdad biológica. Es una medición aproximada. A veces es muy útil, y a veces oculta suficiente ruido como para cambiar el resultado de un ensayo clínico o una decisión terapéutica.
Este tema concierne al patólogo en ejercicio antes que al ingeniero de algoritmos. Cualquier modelo digital, y cualquier herramienta de inteligencia artificial, fallará si su único objetivo es imitar un sistema de medición que todos sabemos limitado. La pregunta práctica ya no es: ¿puede la máquina igualar al patólogo? La pregunta más fuerte es: ¿podemos construir mediciones histológicas más precisas que la clasificación ordinal que heredamos?
El grado histológico comprime una biología continua
La mayoría de las enfermedades que medimos al microscopio no se mueven en grados separados. La fibrosis se acumula de forma gradual, la inflamación cambia en densidad y distribución, y el tumor modifica su arquitectura a lo largo de un espectro que no respeta las fronteras artificiales entre un grado y otro. Después tomamos ese espectro y lo colocamos en casillas: Gleason, Metavir, NAS u otros sistemas.
Estas casillas son necesarias para la práctica clínica y la investigación, pero no son neutrales. Cuando el paciente está en el borde de una categoría, el resultado se vuelve sensible al corte, a la tinción, al sitio de la muestra y al ojo del lector. Ahí aparece el problema del “borde” en la medición: dos casos biológicamente cercanos pueden recibir grados distintos, y dos casos diferentes pueden quedar dentro de la misma categoría.
El patólogo lo sabe. Lo vemos en los casos límite, en la revisión de láminas y en las reuniones de consenso. Lo nuevo del artículo es que conecta esa experiencia diaria con los resultados de los ensayos clínicos, donde el grado pasa de ser una descripción patológica a un desenlace sobre el que se decide si un fármaco tuvo éxito o fracasó.
Cuando el ruido forma parte del resultado del ensayo
Las cifras citadas en el artículo deben tomarse en serio. En cáncer de próstata, la concordancia entre expertos para el puntaje de Gleason puede caer a una Kappa entre 0,3 y 0,5. No es un detalle estadístico menor. En la zona que separa la vigilancia activa de la cirugía, la estimación del patrón 4 puede cambiar por completo el recorrido del paciente.
En MASH el problema se ve con más claridad. La desaparición del hepatocellular ballooning entra en la definición de respuesta, aunque es uno de los componentes del NAS más difíciles de estandarizar entre lectores. Si el elemento menos estable define el éxito del ensayo, no estamos midiendo solo el efecto del fármaco. Estamos midiendo el fármaco más el ruido del lector y el ruido de la muestra.
El artículo también señala una estimación importante: hasta el 16% de los pacientes podrían clasificarse como “respondedores” al releer la biopsia basal debido solo al ruido de lectura, sin un cambio biológico real. Además, la imprecisión de la lectura histológica puede atenuar la señal terapéutica real hasta en un 50%. Son cifras incómodas, pero encajan con lo que observan quienes trabajan en revisión central de láminas para ensayos.
La muestra también es parte del problema
Hay otra capa que ni el mejor lector del mundo puede resolver. Una biopsia hepática de 2 cm representa alrededor de 1/50.000 del volumen del órgano. En una enfermedad distribuida de forma heterogénea, el paso de un paciente de F2 a F3 puede depender del punto de entrada de la aguja tanto como de la biología de la enfermedad.
Esto no significa abandonar la biopsia. La biopsia aún aporta información que muchas otras herramientas no ofrecen. Pero sí significa que debemos dejar de tratar el número que sale de ella como si fuera una imagen completa del órgano. Es una lectura de un sitio limitado, dentro de un sistema de tinción, corte y medición con límites conocidos.
En los ensayos clínicos, esos límites pueden actuar en dos direcciones. Un fármaco con efecto real puede fracasar porque el ruido borró la señal. Y un fármaco con efecto limitado puede parecer mejor de lo que es por variaciones aleatorias en la lectura o en la muestra. Ambos escenarios son malos para el paciente, para el investigador y para el regulador.
¿Qué debería hacer la patología digital?
El peor uso de la inteligencia artificial aquí sería construir una máquina que reproduzca el mismo grado manual y luego celebrar la velocidad. Eso puede ayudar a la productividad, pero no corrige el defecto más profundo. Si el grado ordinal reduce demasiada información, imitarlo con mayor precisión no recupera esa información.
El valor real empieza cuando convertimos lo que antes era una descripción visual en mediciones continuas: porcentaje de área de colágeno, densidad de células inflamatorias, intensidad del ballooning, rasgos nucleares, patrón de distribución del estroma y relaciones espaciales entre células, vasos y estructuras patológicas. Estas mediciones no tienen que reemplazar el juicio del patólogo. Le añaden una capa cuantitativa que puede probarse, repetirse y compararse en el tiempo.
Entonces la pregunta regulatoria se vuelve más precisa. En lugar de preguntar “¿el algoritmo concordó con el patólogo?”, preguntamos: ¿mide el algoritmo una variable que se asocia con un resultado clínico mejor que el grado tradicional? ¿Reduce la variabilidad entre lectores? ¿Resiste diferencias entre escáneres, tinciones y centros? ¿Puede interpretarse lo suficiente como para que confíen en él el patólogo y el regulador?
La lección de AIM-MASH
El artículo menciona AIM-MASH de PathAI como un ejemplo importante. La discusión pública a veces se ha centrado en una pregunta estrecha: ¿aceptó la FDA un desenlace basado en inteligencia artificial? Más importante es que la herramienta se dirigió a un punto doloroso de la medición: estabilizar la lectura de elementos muy variables, como el ballooning en MASH.
Esa es la dirección correcta. El valor aquí es que el algoritmo puede reducir un tipo concreto de ruido en una tarea que no se ajusta bien al ojo humano cuando se usa como desenlace de alto riesgo, manteniendo al patólogo en el lugar de decisión. El patólogo sigue siendo necesario para entender la muestra, el contexto, los errores técnicos y los patrones inesperados. Pero la medición cuantitativa le ayuda a no cargar solo con una precisión que la herramienta tradicional no permite.
¿Qué cambia en el trabajo del patólogo?
El cambio práctico empieza por el lenguaje que usamos en informes e investigaciones. Cuando decimos F3, Gleason 3+4 o un NAS determinado, debemos recordar que el número describe un modelo simplificado de la enfermedad. Su fuerza viene de que puede comunicarse y acumular evidencia de investigación; su debilidad viene de reducir una biología amplia a una sola casilla.
Por eso los patólogos deben participar en el diseño de las métricas digitales, no limitarse a evaluarlas cuando ya están terminadas. Sabemos dónde fallan los grados, dónde concuerdan los lectores y dónde el desacuerdo cambia la decisión terapéutica. Ese conocimiento no existe solo en un archivo WSI ni en una hoja de cálculo separada.
No se trata de derribar la histología tradicional. Se trata de colocarla en su tamaño correcto: una herramienta fuerte, pero incompleta. Cuanto mayor sea el costo de la decisión basada en ella, mayor será la necesidad de medición cuantitativa, validación externa y vínculo directo con los resultados del paciente.
Conclusión
El artículo nos recuerda que el “patrón oro” en patología siempre ha sido una herramienta humana basada en una muestra limitada y una clasificación simplificada. Esto no reduce el valor de la histología. Al contrario, hace que desarrollarla sea una obligación profesional.
Si la patología digital quiere madurar, debe ir más allá de la carrera por igualar al lector. Debe medir lo que quedaba oculto dentro del grado y probar esas mediciones frente a lo que de verdad importa al paciente: respuesta, recaída, supervivencia y necesidad de un tratamiento distinto. Ahí el algoritmo pasa a formar parte de una ciencia de medición patológica más precisa, no a ser solo otro lector de la lámina.
Fuente: Beyond the Slide