Investigadores de diversos centros europeos han aplicado un método de Deep Learning para identificar rasgos histológicos con valor pronóstico, en biopsias de pacientes con adenocarcinoma ductal de páncreas ya sometidos a cirugía de resección. En la categorización por porcentajes del tumor, del estroma y de los linfocitos en más de 800 imágenes, los científicos hallaron que valores intermedios en el porcentaje de estroma y altos en el de linfocitos fueron predictivos de mayor mediana de supervivencia global (SG), con una fiabilidad de casi el 95%. Al considerar cada uno de estos biomarcadores por separado, la SG con estroma intermedio fue de alrededor de dos veces mayor que la del grupo formado por la combinación de estroma alto y bajo, con variaciones en la magnitud de la ventaja en cada una de las cohortes examinadas. 

Resultados análogos fueron obtenidos al considerar solamente los linfocitos, según afirma Xiuxiang Tan, científico del Hospital Universitario de Aachen y director del estudio. En un ulterior análisis estadístico, tanto el estroma como los linfocitos resultaron ser factores pronósticos independientes, ofreciendo la combinación de ambos valor clínico en la estratificación de la SG esperada. 

Tan prosigue indicando que la relación entre la proporción del estroma tumoral y los desenlaces clínicos ha sido tradicionalmente materia de debate, ya que los estudios previos al respecto han arrojado resultados conflictivos. Adicionalmente, la identificación de regiones glandulares en el cáncer de páncreas representa un desafío, no sólo para patólogos experimentados sino también para otros modelos de Deep Learning, tales como QuPath, el cual tiende a clasificar erróneamente las glándulas normales como tumorales, debido a su similitud estructural, concluye el investigador.