Los cirujanos y neuropatólogos buscan continuamente características nuevas y específicas de la enfermedad, como predictores independientes del pronóstico tumoral o determinantes de entidades y subentidades tumorales. Esta es una tarea en la que los sistemas de inteligencia artificial (IA)/aprendizaje automático (AA) podrían contribuir significativamente a la predicción de los resultados tumorales y la búsqueda de nuevos biomarcadores de estratificación de diagnóstico o tratamiento.
Los sistemas de IA se integran cada vez más en los flujos de trabajo patológicos de rutina para mejorar la precisión, la reproducibilidad, la productividad y revelar características difíciles de ver en portaobjetos histológicos complicados, incluida la cuantificación de marcadores importantes para la clasificación y estadificación del tumor.
En este artículo, revisamos la infraestructura necesaria para facilitar la patología digital y computacional. Abordamos las barreras para su implementación completa en el entorno clínico y describimos el uso de IA en entornos intraoperatorios o posoperatorios donde se utilizan materiales congelados o fijados con formalina e incluidos en parafina.
También resumimos los problemas de evaluación de la calidad de la digitalización de portaobjetos, los nuevos enfoques de biología espacial y la determinación de la expresión genética específica a partir de imágenes de portaobjetos completos. Por último, destacamos nuevas tecnologías innovadoras y futuras, como los modelos de lenguaje de gran tamaño, las biopsias ópticas y las imágenes por espectrometría de masas.