Quando os pesquisadores aplicaram a técnica para analisar amostras obtidas usando a ferramenta de diagnóstico 'comprimido em uma corda' Cytosponge, eles descobriram que era capaz de reduzir pela metade a carga de trabalho dos patologistas, ao mesmo tempo em que correspondia a  precisão de patologistas experientes.

A detecção precoce do câncer geralmente leva a uma melhor sobrevida, porque as lesões pré-malignas e os tumores em esta¡gio inicial podem ser tratados com mais efica¡cia. Isso éparticularmente importante para o câncer esofa¡gico, a sexta causa mais comum de mortes relacionadas ao ca¢ncer. Os pacientes geralmente apresentam um esta¡gio avana§ado com dificuldade para engolir e perda de peso. A sobrevida global em cinco anos pode ser tão baixa quanto 13%.

Um subtipo principal de câncer de esa´fago éprecedido por uma condição conhecida como esa´fago de Barrett, na qual as células do revestimento do esa´fago mudam de forma. O esa´fago de Barrett ocorre em pacientes com doença do refluxo gastroesofa¡gico (DRGE), um distaºrbio digestivo em que o a¡cido e a bile do esta´mago retornam ao esa´fago, causando sintomas de azia. Nospaíses ocidentais, 10-15% da população adulta éafetada pela DRGE e, portanto, corre um risco maior de ter esa´fago de Barrett.

No momento, o esa´fago de Barrett são pode ser detectado por gastroscopia e bia³psia de tecido. Pesquisadores da Universidade de Cambridge desenvolveram uma ferramenta de diagnóstico muito menos invasiva chamada Cystosponge - uma 'pa­lula em um corda£o' que se dissolve no esta´mago e que, ao ser retirada, coleta algumas células do revestimento do esa´fago. Essas células são então coradas com um marcador de laboratório chamado TFF3 e podem ser examinadas ao microsca³pio.

Agora, em um estudo publicado hoje na Nature Medicine , uma equipe de Cambridge aplicou técnicas de aprendizado profundo para a análise da amostra, estratificando os pacientes em oito classes de triagem que determinam se uma amostra de paciente requer revisão manual ou se a revisão automatizada seria suficiente. Os algoritmos foram treinados usando 4.662 lâminas de patologia de 2.331 pacientes.

A professora Rebecca Fitzgerald da MRC Cancer Unit da University of Cambridge, que desenvolveu o Cytosponge e trabalhou com a equipe de IA, disse: “Qualquer sistema que apoie decisaµes cla­nicas precisa equilibrar seu desempenho em relação a  redução da carga de trabalho e potencial impacto econa´mico. A substituição total dos patologistas pode levar a uma redução substancial da carga de trabalho e acelerar os diagnósticos, mas tal abordagem são seria via¡vel se o desempenho permanecer compara¡vel ao de especialistas humanos e houver obsta¡culos regulata³rios a serem superados. ”

Para a análise de amostras do Cytosponge-TFF3, a abordagem de triagem mostrou vários benefa­cios, reduzindo substancialmente a carga de trabalho e combinando a sensibilidade e especificidade de patologistas experientes. A sensibilidade éa taxa de 'verdadeiro positivo' - isto anã, a frequência com que um teste gera corretamente um resultado positivo para pessoas com esa´fago de Barrett. A especificidade, por outro lado, mede a capacidade de um teste de gerar corretamente um resultado negativo para pessoas que não tem a doena§a.

Os pesquisadores mostraram que uma revisão totalmente manual por um patologista atinge 82% de sensibilidade e 93% de especificidade. Em uma abordagem totalmente automatizada, eles observaram uma sensibilidade de 73% e uma especificidade de 93%. A equipe conseguiu demonstrar que, usando uma abordagem orientada por triagem, atédois tera§os dos casos podem ser revisados ​​automaticamente, enquanto se atinge uma sensibilidade de 83% e especificidade de 93%. A equipe estima que esta abordagem reduziria a carga de trabalho dos patologistas em 57%.

A equipe conseguiu incorporar em seu algoritmo técnicas de resolução de problemas aplicadas por patologistas familiarizados com as amostras do Cytosponge-TFF3. Isso significava que os algoritmos eram interpreta¡veis ​​- em outras palavras, um cla­nico seria capaz de entender por que havia chegado a uma determinada decisão. Isso éimportante para a responsabilidade.

O Dr. Florian Markowetz, do CRUK Cambridge Institute, que liderou o trabalho no algoritmo de IA, disse: “Na³s mostramos que épossí­vel usar ferramentas auxiliadas por computador para agilizar a identificação de pessoas com risco de esa´fago de Barrett. Ao semiautomatizar o processo, podemos reduzir a carga de trabalho em mais da metade, mantendo a precisão de um patologista qualificado. Isso poderia acelerar o diagnóstico de esa´fago de Barrett e, potencialmente, a identificação dos indivíduos com maior risco de câncer esofa¡gico. ”

A equipe afirma que essa abordagem baseada em triagem pode ser aplicada além do Cytosponge para uma sanãrie de testes para outras condições, como câncer de pa¢ncreas, câncer de tireoide ou doenças malignas das gla¢ndulas salivares.