Algoritmos de aprendizado podem ajudar no diagnóstico de câncer de pulmão

Pesquisadores brasileiros realizam uma meta-análise da precisão diagnóstica dos algoritmos de aprendizado profundo (DL) para diagnosticar o câncer de pulmão.

rastreamento do câncer de pulmão demonstrou ajudar a reduzir a mortalidade em populações selecionadas de fumantes; no entanto, a realização de programas de triagem em maior escala com alta precisão ainda é um desafio. O uso de inteligência artificial (IA) tem sido investigado para melhorar a triagem em larga escala. Com o trabalho “Algoritmos de aprendizado profundo para diagnóstico de câncer de pulmão – uma revisão sistemática e meta-análise”, os pesquisadores descobriram que usando o ponto de resumo das curvas operacionais do receptor (SROC), a sensibilidade e a especificidade combinadas das redes deep learning (DL) para o diagnóstico de câncer de pulmão foram de 93% e 68%, respectivamente.

Em conclusão, os autores da pesquisa relataram que apesar de muitas melhorias ainda a serem feitas no campo da inteligência artificial na detecção de câncer de pulmão, os dados atualmente disponíveis são promissores e as ferramentas de desenho assistido por computador (CAD) baseadas em DL, provavelmente desempenharão um papel importante na triagem de câncer de pulmão em um futuro próximo.

“Conduzimos uma revisão sistemática e meta-análise do desempenho diagnóstico dos algoritmos atuais de aprendizado profundo para o diagnóstico de câncer de pulmão. Pesquisamos os principais bancos de dados até junho de 2022 para incluir estudos que usaram inteligência artificial para diagnosticar câncer de pulmão, usando como referência a análise histopatológica de casos verdadeiros positivos. A qualidade dos estudos incluídos foi avaliada de forma independente por dois autores com base na Avaliação de Qualidade revisada dos Estudos de Precisão de Diagnóstico. Seis estudos foram incluídos na análise, explica o autor principal Bruno Hochhegger.”

A busca sistemática inicial do estudo identificou 3.098 estudos e 34 registros adicionais foram identificados por meio de outras fontes. Após a remoção de duplicatas, 1.799 artigos foram recuperados para avaliação de título e resumo, e 113 artigos foram selecionados para avaliação de texto completo. Cento e sete artigos foram excluídos. Finalmente, seis artigos foram incluídos nesta revisão sistemática e meta-análise, como citou o autor anteriormente. Os estudos incluídos foram publicados entre 2019 e 2022, destes, dois foram conduzidos nos EUA, dois foram conduzidos na China, um foi conduzido no Reino Unido, e um na Turquia. Cinco estudos usaram um conjunto de dados externos para validação, enquanto um forneceu desempenho diagnóstico usando validação cruzada no mesmo conjunto de dados de treinamento.

“Todos os seis estudos usaram redes neurais convolucionais como principal ferramenta de inteligência artificial e consideraram o diagnóstico histopatológico como padrão de referência para a confirmação de nódulos malignos. Em relação às fontes de conjuntos de validação, dois estudos usaram conjuntos de dados de rastreamento de câncer de pulmão”, enfatizou o autor.

ÍNDICES PREOCUPAM: PROGNÓSTICO RUIM

O câncer de pulmão tem sido a principal causa de morte por câncer por décadas. De 2007 a 2017, sua incidência aumentou 37%, e o número de mortes atribuíveis ao câncer de pulmão foi superior a 130 mil em 2022 apenas nos Estados Unidos (EUA). Devido à natureza assintomática do câncer de pulmão em estágio inicial, a maioria dos novos casos são diagnosticados com a doença em estágio avançado, o que muitas vezes tem um prognóstico ruim com uma taxa de sobrevida global de 5 anos de 20,5%. De todas as modalidades de imagem, a tomografia computadorizada (TC) é o principal método para o diagnóstico e triagem do câncer de pulmão, devido à sua disponibilidade, custos e resolução espacial ideal das imagens. Apesar do uso invariável de radiação ionizante herdado da técnica, foi demonstrado que a TC de baixa dose (LDCT) para rastreamento de câncer de pulmão pode ser realizada com precisão com uma dose efetiva média em torno de 1,5 mSv.

A Força-Tarefa de Serviços Preventivos dos Estados Unidos (USPSTF) recomenda o rastreamento do câncer de pulmão usando um LDCT para adultos com idade entre 50 e 80 anos e história de tabagismo de 20 maços-ano ou que tenham parado nos últimos 15 anos. O National Lung Screening Trial (NLST) mostrou uma redução de mortalidade de 20% com o rastreamento usando LDCT quando comparado à radiografia de tórax. Além disso, o Estudo Randomizado de Triagem de Câncer de Pulmão Holandês-Belga (sigla holandesa: estudo NELSON) relatou uma redução de mortalidade de 26% em homens e até 61% de redução de mortalidade em mulheres com triagem por LDCT versus sem triagem. Ambos os estudos foram críticos para a adoção generalizada de estratégias de triagem de câncer de pulmão nos Estados Unidos e em alguns países europeus.

No entanto, existem duas limitações principais que impedem uma adoção mais ampla de programas de rastreamento de câncer de pulmão. Uma das preocupações é a disponibilidade humana e técnica, pois a capacidade de radiologia pode se tornar insuficiente para atender a demanda. A segunda deficiência potencial está relacionada a casos de falsos positivos e sobrediagnóstico, que está intimamente relacionado ao primeiro, dada a importância de um treinamento robusto e de alta qualidade recomendado para os provedores que interpretam as imagens. Em estudos anteriores, a incidência benigna de uma operação diagnóstica após a descoberta do nódulo foi de até 40%, destacando a importância da triagem rigorosa do nódulo antes de tratamentos mais invasivos para limitar o risco cirúrgico e prevenir complicações desnecessárias ou perda da capacidade pulmonar.

Intelig Ncia Artificial Investiga Para Uso Na Detec O Assistida

Considerando essas limitações, a inteligência artificial tem sido extensivamente investigada nos últimos anos para ser usada em sistemas de detecção assistida por computador (CAD) para a detecção automatizada e/ou classificação de câncer de pulmão. Prevê-se que a eficácia dos programas de rastreamento de câncer de pulmão aumente com o uso de uma estratégia personalizada baseada no risco e um modelo preciso de previsão de risco de câncer de pulmão. O CAD ideal simularia todas as três etapas envolvidas na análise de uma TC de tórax para fins de triagem de câncer de pulmão de maneira semelhante a um radiologista.

Esta meta-análise demonstra que os algoritmos DL podem alcançar um bom desempenho diagnóstico para o diagnóstico de câncer de pulmão na TC de tórax. Como método não invasivo, os modelos de aprendizado profundo podem fornecer suporte para clínicas de radiologia, auxiliando na detecção e classificação precoce do câncer de pulmão, o que é fundamental para o diagnóstico precoce, levando a um tratamento eficaz e melhor sobrevida.

Mais Informa Es

Para ler o artigo publicado na íntegra acesse o link: https://pubmed.ncbi.nlm.nih.gov/36010850/

Este trabalho é de autoria dos pesquisadores: Bruno Hochhegger, Ali Youssef, Reza Forghani, Jeremy King e Tan-Lucien Mohamed, do Laboratório de Radiomics and Augmented Intelligence (RAIL) do Departamento de Radiologia da Faculdade de Medicina da Universidade da Flórida, EUA; Gabriele C. Forte e Mariana T. Stefani, da Faculdade de Medicina, Pontifícia Universidade Católica do Rio Grande do Sul, Brasil; Lucas L. Libermann, das Faculdades de Medicina da Pontifícia Universidade Católica do Rio Grande do Sul e da Universidade do Vale dos Sinos, Brasil; Stephan Altmayer, do Departamento de Radiologia da Universidade de Stanford, Stanford, EUA; Ricardo F. Silva e Rubens GF Andrade, do Hospital São Lucas da Pontifícia Universidade Católica do Rio Grande do Sul, Brasil; e Cesar C. Cavion, Faculdade de Medicina da Universidade do Vale dos Sinos, Brasil.