fbpx

Inteligência artificial consegue prever risco de câncer de pulmão

Um estudo publicado no periódico científico Radiology afirma ter desenvolvido um programa de inteligência artificial (IA) que consegue prever com precisão o risco de que nódulos pulmonares se tornem câncer. O programa analisa Tomografias Computadorizadas de rastreamento – procedimento conhecido como screening – em busca de nódulos no órgão que indiquem sinais de futura malignidade.

Câncer de pulmão

Esse tipo de câncer é a principal causa de morte pela doença em todo o mundo, segundo a Organização Mundial de Saúde – OMS. A estimativa é de que ao menos 1,8 milhão de mortes ocorreram devido à doença somente no ano de 2020.

A tomografia de tórax de baixa dose (TCBD) é usada frequentemente para rastrear pessoas com alto risco de câncer de pulmão – como fumantes crônicos. Estudos apontam que o procedimento reduz significativamente a mortalidade pela doença – principalmente porque ajuda a detectar cânceres em estágio inicial, quando é mais fácil obter sucesso no tratamento.

A apresentação habitual do câncer de pulmão se dá pela detecção de nódulos pulmonares em imagens de tomografia computadorizada. A maioria dos nódulos encontrados nesses exames é benigna e não requer investigação clínica adicional. Aí entra a importância na distinção entre nódulos malignos e benignos: é isso que define a necessidade de tratamento e detecta o câncer precocemente.

Inteligência artificial como aliada

No novo estudo, os pesquisadores desenvolveram um algoritmo que avalia nódulos pulmonares usando deep learning – aprendizado profundo –, uma aplicação de IA capaz de encontrar padrões específicos em dados de imagem. Os pesquisadores treinaram o algoritmo com imagens de TC de mais de 16.000 nódulos.

Ao todo, foram apresentados à IA 1.249 casos da doença maligna, fornecidos pelo National Lung Screening Trial – um estudo clínico realizado entre os anos de 2002 e 2004. A equipe então validou o algoritmo em três grandes conjuntos de dados de imagem de nódulos do Danish Lung Cancer Screening Trial, com dados que foram reunidos entre 2004 e 2006.

Esquema de redes neurais convolucionais (CNNs) usadas no algoritmo.Esquema de redes neurais convolucionais (CNNs) usadas no algoritmo.Fonte:  Radiological Society of North America/Reprodução. 

O algoritmo de deep learning apresentou resultados surpreendentes, superando inclusive o modelo Pan-Canadense de Detecção Precoce de Câncer de Pulmão, frequentemente utilizado para estimativa de risco de malignidade em nódulos pulmonares. O desempenho da IA foi comparável à análise de 11 médicos, incluindo quatro radiologistas torácicos, cinco residentes de radiologia e dois pneumologistas.

Comparação entre modelos de detecção. O modelo do estudo é representado em azul e em verde está o Pan-Canadense.Comparação entre modelos de detecção. O modelo do estudo é representado em azul e em verde está o Pan-Canadense.Fonte:  Radiological Society of North America/Reprodução. 

“O algoritmo pode ajudar radiologistas a estimar com precisão o risco de malignidade dos nódulos pulmonares”, disse o PhD Kiran Vaidhya Venkadesh, primeiro autor do estudo e candidato ao Grupo de Análise de Imagens Diagnósticas do Radboud University Medical Center em Nijmegen, nos Países Baixos. “Isso pode ajudar a otimizar as recomendações de acompanhamento para participantes do rastreamento de câncer de pulmão”, afirmou.

Benefícios adicionais

“Como não requer interpretação manual das características de imagem do nódulo, o algoritmo pode reduzir a variabilidade entre observadores na interpretação da TC”, disse o autor sênior do estudo, o PhD Colin Jacobs, que é professor assistente do Departamento de Imagens Médicas do Radboud University Medical Center em Nijmegen. Segundo ele, a IA pode diminuir intervenções diagnósticas desnecessárias, a carga de trabalho dos radiologistas e os custos envolvidos.

A equipe também está trabalhando em um algoritmo de deep learning que aceita vários exames de tomografia computadorizada como entrada, já que o algoritmo atual é recomendado na análise de nódulos em triagem inicial (também conhecida como basal), mas necessita de mais informações a respeito de crescimento e aparência no caso de nódulos detectados em triagens subsequentes – quando a comparação com a TC anterior é importante.

Os pesquisadores planejam agora continuar melhorando o algoritmo, incorporando mais parâmetros clínicos – como idade, sexo e histórico de tabagismo. Eles também desenvolveram outros algoritmos para extrair de forma confiável características de imagem da TC de tórax relacionadas a doenças pulmonares obstrutivas crônicas e doenças cardiovasculares. O próximo passo será investigar como integrar efetivamente esses recursos de imagem ao algoritmo atual.


Source link

Comentários no Facebook

× Consulte-nos!