Inteligência artificial pode ajudar a prever a mortalidade por câncer de mama metastático

Um algoritmo comercial de aprendizado profundo apresentou desempenho equivalente ao de um radiologista na detecção e quantificação de nódulos pulmonares em exames de TC de mais de 200 pacientes com câncer de mama.

23 Abr, 2021

Um algoritmo de inteligência artificial (IA) pode detectar nódulos pulmonares metastáticos em exames de tomografia computadorizada de tórax em pacientes com câncer de mama e auxiliar na avaliação de risco, de acordo com uma palestra de 18 de abril no encontro anual da American Roentgen Ray Society (ARRS) . Pesquisadores da Universidade Médica da Carolina do Sul (MUSC) descobriram que um algoritmo comercial de aprendizado profundo apresentou desempenho equivalente ao de um radiologista na detecção e quantificação de nódulos pulmonares em exames de TC de mais de 200 pacientes com câncer de mama. Além disso, eles descobriram que o número e o tamanho das metástases pulmonares detectadas pelo software previam fortemente a progressão da doença e a mortalidade.

"Especificamente, a presença de metástases pulmonares detectadas por AI afetou a sobrevida em pacientes com câncer de mama positivo para estrogênio [receptor], progesterona [receptor], bem como tumores negativos para HER2", disse o apresentador Dr. Madison Kocher, do terceiro ano residente em radiologia do MUSC e premiado 2021 ARRS Resident / Fellow in Radiology.

Os radiologistas têm duas funções na investigação de pacientes que foram recentemente diagnosticados com câncer de mama: estadiamento da doença de metástases pulmonares na TC, bem como prognóstico e orientação de tratamento, disse Kocher. Em pacientes com câncer de mama metastático, aquelas com envolvimento apenas do pulmão têm um risco de 32% de morte no primeiro ano, de acordo com Kocher. Como resultado, é importante detectar e quantificar com precisão os nódulos pulmonares. Infelizmente, este processo sofre de variabilidade significativa e baixa sensibilidade geral, disse ela.

Os radiologistas também podem ajudar no prognóstico geral e na orientação do tratamento, quantificando o volume geral do nódulo, permitindo uma avaliação mais completa da doença, disse ela. Para ajudar, os pesquisadores do MUSC procuraram validar um algoritmo de aprendizado profundo para detectar metástases pulmonares em tomografias computadorizadas em pacientes com câncer de mama. Eles também incorporaram os resultados da IA ​​em uma ferramenta de previsão de risco que poderia ajudar na tomada de decisões de tratamento e gerenciamento.

Primeiro, eles coletaram prospectivamente dados clínicos e de imagem de 226 pacientes com câncer de mama com idades entre 25 e 87 anos que receberam uma tomografia computadorizada de tórax entre janeiro de 2014 e janeiro de 2019 em sua instituição. Destes, 168 pacientes apresentavam um ou mais nódulos pulmonares identificados por radiologistas. Os 58 pacientes restantes não tinham nenhum nódulo pulmonar identificado e serviram como grupo controle para o estudo.

Todos os pacientes receberam TC de tórax de rotina obtida durante a apneia no final da inspiração e foram acompanhados por uma média de 2,5 anos. Para criar um padrão de referência para comparação com os resultados do IA, quatro radiologistas foram encarregados de ler 25% dos exames de tomografia computadorizada de maneira cega. Eles mediram até 30 nódulos com 4 mm ou mais por paciente, calcularam o número total de nódulos e observaram a localização do maior diâmetro dos cinco maiores nódulos por paciente.

Os pesquisadores então aplicaram o software AI-Rad Companion Chest CT ( Siemens Healthineers ) aos exames de TC e avaliaram seu desempenho em comparação com os radiologistas por paciente para metástases pulmonares e também por nódulo. Os pacientes foram considerados portadores de metástases pulmonares se apresentassem dois ou mais nódulos sólidos não calcificados maiores que 6 milímetros ou pelo menos um nódulo sólido não calcificado maior que 10 milímetros.

Concordância de software de IA com interpretações de TC de radiologista em pacientes com câncer de mama
  Por paciente Base por nódulo
Sensibilidade 95,2% 97,5%
Especificidade 63,9% 61,2%
Valor preditivo positivo 87,8% 96,6%
Valor preditivo negativo 83% 69,6%

Kocher observou que um estudo anterior havia encontrado sensibilidades de radiologistas para detecção de nódulo pulmonar variando de 51% a 83%. O algoritmo também pode avaliar rapidamente os exames - uma vantagem adicional sobre o processo manual de detecção e medição de nódulos pulmonares, disse ela.

Investigando os resultados dos pacientes, os pesquisadores descobriram que o número geral de nódulos detectados na IA teve uma correlação fraca com a sobrevida geral (r = -0,32). Além disso, eles descobriram que o grupo de pacientes com metástases pulmonares tinha quatro vezes mais probabilidade de morrer nos próximos 2,5 anos do que aqueles sem metástases pulmonares. 

A presença de metástases pulmonares detectadas por AI foi negativamente associada com a sobrevivência em casos de receptores de estrogênio (ER) positivos, receptores de progesterona (PR) positivos, bem como cânceres HER2-negativos. "Isso sugere que quantificar com precisão a carga do tumor metastático do pulmão é fundamental para determinar um prognóstico preciso em câncer [ER, PR-positivo] e câncer HER2-negativo", disse ela.

Em outros resultados, os pesquisadores descobriram que cada aumento de 1 mm no tamanho máximo do nódulo aumentava a mortalidade em 3%. Além do mais, cada metástase pulmonar adicional identificada por IA aumentou a mortalidade em 7%.

Os pesquisadores então usaram os resultados da IA ​​para criar modelos de árvore de classificação e regressão para avaliar o risco. Esses modelos produziram uma área sob a curva (AUC) de 0,857 para prever mortalidade ao usar características clínicas, patológicas e baseadas em imagens, e uma AUC de 0,826 ao usar apenas duas variáveis: número total de nódulos e tamanho máximo do nódulo no IA.

Kocher reconheceu as limitações de seu estudo, incluindo sua natureza de centro único. "Um estudo multicêntrico de pacientes com câncer de mama permitiria a generalização de nossas descobertas para uma população mais ampla", disse ela.

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=cto&pag=dis&ItemID=132164

 

Compartilhe


NOTÍCIAS RELACIONADAS