blog

Nov 02, 2023

O uso de IA com exames LDCT anteriores melhora a avaliação de risco de nódulos pulmonares

3 de agosto de 2023 - Um algoritmo de aprendizado profundo que incorpora informações de exames anteriores de tomografia computadorizada de baixa dose (LDCT) é mais eficaz para estimar o risco de malignidade de nódulos pulmonares em três anos do que

3 de agosto de 2023 - Um algoritmo de aprendizado profundo que incorpora informações de exames anteriores de tomografia computadorizada de baixa dose (LDCT) é mais eficaz para estimar o risco de malignidade de nódulos pulmonares em três anos do que modelos que usam apenas um único exame de tomografia computadorizada, descobriram os pesquisadores .

Os resultados do estudo ressaltam como a adição de IA aos dados de imagem pode ajudar os radiologistas a caracterizar melhor os nódulos pulmonares encontrados na LDCT – uma tarefa que pode ser difícil, de acordo com uma equipe liderada por Kiran Venkadesh, do Centro Médico da Universidade Radboud, em Nijmegen, na Holanda. A pesquisa do grupo foi publicada em 1º de agosto na revista Radiology.

“[É] um desafio para os radiologistas identificar e monitorar nódulos potencialmente malignos”, escreveu o grupo. "Apesar da presença de diretrizes de manejo de nódulos, a caracterização precisa permanece tediosa e está sujeita à variabilidade inter e intraleitor... A inteligência artificial usando aprendizagem profunda demonstrou resultados promissores para estimar com precisão o risco de malignidade de nódulos pulmonares, especialmente em comparação com análise histopatológica- padrões de referência baseados."

O cancro do pulmão causa o maior número de mortes relacionadas com o cancro em todo o mundo, e o diagnóstico precoce através do rastreio regular por LDCT é fundamental para melhorar os resultados dos pacientes, explicou a equipa. Mas a LDCT pode sinalizar nódulos pulmonares benignos, tornando importante o desenvolvimento de ferramentas que possam ajudar os médicos a caracterizá-los melhor. Os algoritmos de IA são promissores nesse aspecto, de acordo com Venkadesh e colegas.

Os investigadores avaliaram o desempenho de um algoritmo de aprendizagem profunda que incorpora informações anteriores do exame LDCT, comparando esta combinação com um algoritmo de aprendizagem profunda mais um único exame LDCT e o modelo Pan-Canadian Early Lung Cancer Detection Study (PanCan) (PanCan é um estudo que utiliza um algoritmo de previsão de risco para avaliar a relação custo-eficácia do rastreio do cancro do pulmão).

O conjunto de treinamento do algoritmo de aprendizagem profunda consistia em 10.508 nódulos (422 dos quais eram malignos, ou 4%) em 4.902 participantes do estudo; os dados do conjunto de treinamento vieram do National Lung Screening Trial (NLST). Dois conjuntos de testes consistiram em 129 nódulos (43 dos quais eram malignos, ou 33%) e 126 nódulos (42 dos quais eram malignos, também 33%); esses dados vieram do ensaio dinamarquês de triagem de câncer de pulmão (DLCST) e do ensaio multicêntrico italiano de detecção de pulmão (MILD).

O algoritmo de aprendizagem profunda que incorporou dados de exames LDCT anteriores superou o desempenho do algoritmo mais um único exame LDCT e do modelo PanCan, relatou a equipe.

O estudo dá uma contribuição valiosa para a literatura atual, escreveram Carolyn Horst, PhD, do King's College London, no Reino Unido, e colega Mizuki Nishino, médica, do Brigham and Women's Cancer Center, em Boston, em um comentário que acompanha o estudo.

"A pesquisa publicada por Venkadesh et al é o primeiro passo no uso da inteligência artificial em imagens longitudinais na esfera do rastreio do cancro do pulmão, abrindo caminho para a integração da inteligência artificial e das imagens seriadas para alcançar melhores resultados tanto para os participantes como para os programas de rastreio." eles escreveram.

O estudo completo pode ser encontrado aqui.