Ferramenta de inteligência artificial desenvolvida para prever risco de câncer de pulmão

O câncer de pulmão é a principal causa de morte por câncer nos Estados Unidos e em todo o mundo. A tomografia computadorizada de tórax de baixa dose (LDCT) é recomendada para rastrear pessoas entre 50 e 80 anos de idade com histórico significativo de tabagismo ou que fumam atualmente. A triagem de câncer de pulmão com LDCT demonstrou reduzir a morte por câncer de pulmão em até 24%.

Mas, à medida que as taxas de câncer de pulmão aumentam entre os não fumantes, novas estratégias são necessárias para rastrear e prever com precisão risco de câncer em uma população mais ampla. Um estudo liderado por investigadores do Mass General Cancer Center, membro do Mass General Brigham, em colaboração com pesquisadores do Massachusetts Institute of Technology (MIT), desenvolveu e testou uma ferramenta de inteligência artificial conhecida como Sybil.

Com base em análises de exames de LDCT de pacientes nos EUA e em Taiwan, Sybil previu com precisão o risco de câncer de pulmão para indivíduos com ou sem histórico significativo de tabagismo. Os resultados são publicados no Jornal de Oncologia Clínica.

“As taxas de câncer de pulmão continuam a aumentar entre pessoas que nunca fumaram ou que não fumam há anos, sugerindo que existem muitos fatores de risco que contribuem para o risco de câncer de pulmão, alguns dos quais são atualmente desconhecidos”, disse a autora correspondente Lecia Sequist, MD , MPH, diretor do Center for Innovation in Early Cancer Detection e oncologista médico de câncer de pulmão no Mass General Cancer Center.

“Em vez de avaliar o ambiente ou genética individual fatores de riscodesenvolvemos uma ferramenta que pode usar imagens para observar a biologia coletiva e fazer previsões sobre o risco de câncer.”

A Força-Tarefa de Serviço Preventivo dos EUA recomenda LDCTs anuais para pessoas com mais de 50 anos com histórico de 20 anos-maço, que fumam atualmente ou pararam de fumar nos últimos 15 anos. Mas menos de 10 por cento dos pacientes elegíveis são rastreados anualmente.

Para ajudar a melhorar a eficiência do rastreamento do câncer de pulmão e fornecer avaliações individualizadas, Sequist e colegas do Mass General Cancer Center se uniram a pesquisadores da Jameel Clinic no MIT. Usando dados do National Lung Screening Trial (NLST), a equipe desenvolveu o Sybil, um modelo de aprendizado profundo que analisa exames e prevê o risco de câncer de pulmão nos próximos um a seis anos.

“Sybil requer apenas um LDCT e não depende de dados clínicos ou anotações do radiologista”, disse o co-autor Florian Fintelmann, MD, do Departamento de Radiologia, Divisão de Imagem e Intervenção Torácica do Massachusetts General Hospital. tempo real no fundo de uma estação de leitura de radiologia padrão que permite suporte à decisão clínica no local de atendimento.”

A equipe validou Sybil usando três conjuntos de dados independentes – um conjunto de varreduras de mais de 6.000 participantes do NLST que Sybil não havia visto anteriormente; 8.821 LDCTs do Massachusetts General Hospital (MGH); e 12.280 LDCTs do Chang Gung Memorial Hospital em Taiwan. O último conjunto de varreduras incluiu pessoas com uma variedade de histórico de tabagismo, incluindo aquelas que nunca fumaram.

Sybil foi capaz de prever com precisão o risco de câncer de pulmão nesses conjuntos. Os pesquisadores determinaram o quão preciso Sybil estava usando a Área sob a Curva (AUC), uma medida de quão bem um teste pode distinguir entre amostras normais e doentes e em que 1,0 é uma pontuação perfeita.

Sybil previu o câncer em um ano com AUCs de 0,92 para os participantes adicionais do NLST, 0,86 para o conjunto de dados MGH e 0,94 para o conjunto de dados de Taiwan. O programa previu câncer de pulmão em seis anos com AUCs de 0,75, 0,81 e 0,80, respectivamente, para os três conjuntos de dados.

“Sybil pode olhar para uma imagem e prever o risco de um paciente desenvolver câncer de pulmão dentro de seis anos”, disse a co-autora e líder do corpo docente da Jameel Clinic, Regina Barzilay, Ph.D., membro do Koch Institute for Integrative Cancer Research. “Estou entusiasmado com os esforços translacionais liderados pela equipe do MGH que visam mudar os resultados para pacientes que, de outra forma, desenvolveriam doenças avançadas”.

Os pesquisadores observam que este é um Estudo retrospectivo, e estudos prospectivos que acompanham os pacientes são necessários para validar o Sybil. Além disso, os participantes dos EUA no estudo eram predominantemente brancos (92 por cento), e estudos futuros serão necessários para determinar se Sybil pode prever com precisão câncer de pulmão entre diversas populações.

Sequist e seus colegas abrirão um estudo clínico prospectivo para testar o Sybil no mundo real e entender como ele complementa o trabalho dos radiologistas. O código também foi disponibilizado publicamente.

“Em nosso estudo, Sybil foi capaz de detectar padrões de risco do LDCT que não eram visíveis ao olho humano”, disse Sequist. “Estamos entusiasmados em testar ainda mais este programa para ver se ele pode adicionar informações que ajudem os radiologistas com diagnósticos e nos coloque no caminho para personalizar a triagem dos pacientes”.