Saúde

A inteligência artificial pode ser usada para fazer a triagem de pacientes com suspeita de risco de câncer esofágico em estágio inicial
Técnicas de 'aprendizagem profunda' de inteligência artificial podem ser usadas para fazer a triagem de casos suspeitos de esôfago de Barrett, um precursor do câncer esofágico, potencialmente levando a diagnósticos mais rápidos e precoces
Por Craig Brierley - 18/04/2021


"Mostramos que é possível usar ferramentas auxiliadas por computador para agilizar a identificação de pessoas com risco de esôfago de Barrett ... Isso poderia potencialmente acelerar o diagnóstico de esôfago de Barrett e, potencialmente, a identificação dos indivíduos com maior risco de esôfago Câncer"

Florian Markowetz

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 à precisão de patologistas experientes.

A detecção precoce do câncer geralmente leva a uma melhor sobrevida, porque as lesões pré-malignas e os tumores em estágio inicial podem ser tratados com mais eficácia. Isso é particularmente importante para o câncer esofágico, a sexta causa mais comum de mortes relacionadas ao câncer. Os pacientes geralmente apresentam um estágio avançado 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 esôfago é precedido por uma condição conhecida como esôfago de Barrett, na qual as células do revestimento do esôfago mudam de forma. O esôfago de Barrett ocorre em pacientes com doença do refluxo gastroesofágico (DRGE), um distúrbio digestivo em que o ácido e a bile do estômago retornam ao esôfago, causando sintomas de azia. Nos países ocidentais, 10-15% da população adulta é afetada pela DRGE e, portanto, corre um risco maior de ter esôfago de Barrett.

No momento, o esôfago de Barrett só pode ser detectado por gastroscopia e biópsia de tecido. Pesquisadores da Universidade de Cambridge desenvolveram uma ferramenta de diagnóstico muito menos invasiva chamada Cystosponge - uma 'pílula em um cordão' que se dissolve no estômago e que, ao ser retirada, coleta algumas células do revestimento do esôfago. Essas células são então coradas com um marcador de laboratório chamado TFF3 e podem ser examinadas ao microscópio.

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 decisões clínicas precisa equilibrar seu desempenho em relação à redução da carga de trabalho e potencial impacto econômico. A substituição total dos patologistas pode levar a uma redução substancial da carga de trabalho e acelerar os diagnósticos, mas tal abordagem só seria viável se o desempenho permanecer comparável ao de especialistas humanos e houver obstáculos regulatórios a serem superados. ”

Para a análise de amostras do Cytosponge-TFF3, a abordagem de triagem mostrou vários benefícios, reduzindo substancialmente a carga de trabalho e combinando a sensibilidade e especificidade de patologistas experientes. A sensibilidade é a taxa de 'verdadeiro positivo' - isto é, a frequência com que um teste gera corretamente um resultado positivo para pessoas com esôfago de Barrett. A especificidade, por outro lado, mede a capacidade de um teste de gerar corretamente um resultado negativo para pessoas que não têm a doença.

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, até dois terços 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 interpretáveis ​​- em outras palavras, um clínico seria capaz de entender por que havia chegado a uma determinada decisão. Isso é importante para a responsabilidade.

O Dr. Florian Markowetz, do CRUK Cambridge Institute, que liderou o trabalho no algoritmo de IA, disse: “Nós mostramos que é possível usar ferramentas auxiliadas por computador para agilizar a identificação de pessoas com risco de esôfago 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 esôfago de Barrett e, potencialmente, a identificação dos indivíduos com maior risco de câncer esofágico. ”

A equipe afirma que essa abordagem baseada em triagem pode ser aplicada além do Cytosponge para uma série de testes para outras condições, como câncer de pâncreas, câncer de tireoide ou doenças malignas das glândulas salivares.

A pesquisa foi apoiada pelo Cancer Research UK, o Medical Research Council e o Cambridge University Hospitals NHS Foundation Trust.

 

.
.

Leia mais a seguir