Oferecido por
Um novo sistema de IA pode ajudar a detectar a forma mais comum de câncer de pâncreas, segundo uma nova pesquisa.
O câncer de pâncreas é uma doença difícil de detectar. O próprio pâncreas fica oculto por outros órgãos no abdômen, o que dificulta a detecção de tumores durante os exames. Os pacientes também raramente apresentam sintomas nos estágios iniciais, o que significa que a maioria dos casos é diagnosticada em um estágio avançado — quando já se espalhou para outras partes do corpo. Isso torna a cura muito mais difícil.
Por isso, é essencial tentar detectar o câncer de pâncreas no estágio mais inicial possível. Uma equipe de pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do MIT trabalhou com Limor Appelbaum, cientista da equipe do departamento de oncologia por radiação do Beth Israel Deaconess Medical Center, em Boston, para desenvolver um sistema de IA que prevê a probabilidade de um paciente desenvolver adenocarcinoma ductal pancreático (PDAC), a forma mais comum do câncer.
O sistema superou os padrões de diagnóstico atuais e poderá, um dia, ser usado em ambiente clínico para identificar pacientes que poderiam se beneficiar de triagem ou testes precoces, ajudando a detectar a doença mais cedo e salvar vidas. A pesquisa foi publicada na revista eBioMedicine no mês passado.
O objetivo dos pesquisadores era um modelo capaz de prever o risco de um paciente ser diagnosticado com PDAC nos próximos seis a 18 meses, tornando mais provável a detecção em estágio inicial e a cura. Para desenvolvê-lo, eles examinaram os registros eletrônicos de saúde existentes.
O sistema resultante, conhecido como PRISM, consiste em dois modelos de IA. O primeiro usa redes neurais artificiais para identificar padrões nos dados, que incluem a idade dos pacientes, o histórico médico e os resultados laboratoriais. Em seguida, ele calcula uma pontuação de risco para um paciente individual. O segundo modelo de IA foi alimentado com os mesmos dados para gerar uma pontuação, mas usou um algoritmo mais simples.
Os pesquisadores alimentaram os dois modelos com dados anônimos de 6 milhões de registros eletrônicos de saúde, 35.387 dos quais eram casos de PDAC, de 55 organizações de assistência médica nos EUA.
A equipe usou os modelos para avaliar o risco de PDAC dos pacientes a cada 90 dias até que não houvesse mais dados suficientes ou até que o paciente fosse diagnosticado com câncer de pâncreas. Eles acompanharam todos os pacientes inscritos de seis meses após a primeira avaliação de risco até 18 meses após a última avaliação de risco para verificar se eles foram diagnosticados com PDAC nesse período.
Entre as pessoas que desenvolveram câncer de pâncreas, a rede neural identificou 35% delas como de alto risco seis a 18 meses antes do diagnóstico, o que, segundo os autores, representa uma melhoria significativa em relação aos sistemas de triagem atuais. Para a maioria da população em geral, não existe uma rotina de triagem recomendada para o câncer de pâncreas, como existe para o câncer de mama ou de cólon, e os critérios de triagem padrão atuais detectam cerca de 10% dos casos.
Dada a importância de detectar a doença no estágio mais inicial possível, o sistema parece promissor, diz Michael Goggins, professor de patologia e especialista em câncer de pâncreas da Johns Hopkins University School of Medicine, que não participou do projeto.
“Seria de se esperar que esse modelo melhorasse o cenário atual”, diz ele. “Mas ele realmente precisa ser muito precoce para causar o maior impacto.”
É possível que algumas pessoas tenham desenvolvido câncer de pâncreas avançado dentro do período de seis a 18 meses, o que significa que pode ser tarde demais para tratá-las de forma eficaz quando elas receberem uma avaliação de risco, diz ele.
Embora esse estudo específico seja retrospectivo, analisando os dados existentes e encarregando os modelos de fazer previsões hipotéticas, a equipe começou a trabalhar em um estudo que reunirá dados sobre os pacientes existentes, calculará seus fatores de risco e aguardará para ver a precisão das previsões, diz Martin Rinard, professor de engenharia elétrica e ciência da computação do MIT, que trabalhou no projeto.
No passado, outros modelos de Inteligência Artificial criados com dados de um determinado hospital às vezes não funcionavam tão bem quando eram fornecidos com dados de outro hospital, ele ressalta. Isso pode se dever a todos os tipos de motivos, como populações, procedimentos e práticas diferentes.
“Como temos o que se aproxima dos dados de uma fração muito significativa de toda a população dos Estados Unidos, esperamos que o modelo funcione melhor em todas as organizações e não esteja vinculado a uma organização específica”, diz ele. “E como estamos trabalhando com tantas organizações, isso também nos dá um conjunto de treinamento maior.”
No futuro, o PRISM poderá ser implantado de duas maneiras, diz Appelbaum.
Primeiro, ele poderia ajudar a selecionar pacientes para testes de câncer pancreático. Em segundo lugar, poderia oferecer um tipo mais amplo de triagem, levando as pessoas sem sintomas a fazerem um exame de sangue ou de saliva que pode indicar se elas precisam de mais exames.
“Existem dezenas de milhares desses modelos para diferentes tipos de câncer, mas a maioria deles está presa na literatura”, acrescenta. “Acho que temos o caminho para levá-los à prática clínica, e foi por isso que comecei tudo isso — para que possamos realmente levá-los às pessoas e detectar o câncer precocemente. Isso tem o potencial de salvar muitas e muitas vidas.”
Rhiannon Williams
