Notícia

Novo modelo de Inteligência Artificial pode levar à detecção precoce do câncer de pâncreas

Freepik (Imagem gerada por Inteligência Artificial)

Fonte

Beth Israel Deaconess Medical Center

Data

segunda-feira, 5 fevereiro 2024 16:50

Áreas

Bioinformática. Biologia. Biomedicina. Ciência de Dados. Computação. Engenharia Biomédica. Informática Médica. Inteligência Artificial. Medicina. Oncologia. Saúde Pública.

O câncer de pâncreas tem a menor taxa de sobrevivência relativa em cinco anos (11%) do que qualquer outro tipo de câncer. Essas probabilidades sombrias devem-se, em grande parte, ao fato de a doença ser normalmente detectada em fases avançadas. Se for detectada nos estágios iniciais, as taxas de sobrevivência em cinco anos podem chegar a 80%; no entanto, as atuais diretrizes de rastreio aplicam-se apenas a uma fracção muito pequena do total de casos de câncer  do pâncreas diagnosticados todos os anos.

Pesquisadores do Beth Israel Deaconess Medical Center (BIDMC), o hospital universitário da Escola Médica de Harvard, nos Estados Unidos, em colaboração com colegas do Instituto de Tecnologia de Massachusetts (MIT), construíram e validaram um modelo de previsão de risco para ajudar os médicos a identificar pacientes com alto risco de desenvolver câncer de pâncreas.

O modelo da equipe, uma rede neural treinada em dados não identificados de registros eletrônicos de saúde de 55 organizações de saúde dos EUA, sinalizou pacientes como em risco de desenvolver câncer de pâncreas até 18 meses antes do diagnóstico em pacientes com 40 anos ou mais e detectou 3,5 vezes mais casos do que as atuais diretrizes de triagem fariam se aplicadas ao mesmo grupo. As descobertas foram publicadas na revista científica eBioMedicine.

“A maioria dos casos de câncer de pâncreas não são detectados até que já estejam avançados e não sejam mais curáveis”, disse a Dra. Limor Appelbaum, pesquisadora do BIDMC. “As pessoas que têm a oportunidade de fazer o rastreio representam cerca de 10% dos casos de câncer de pâncreas que conhecemos. Essa é uma proporção muito pequena. Estamos tentando capturar o máximo possível dos outros 90% dos casos.”

As diretrizes atuais de rastreio visam apenas pessoas com uma predisposição hereditária para o câncer de pâncreas – pessoas que têm familiares de primeiro grau com a doença ou uma mutação genética conhecida que as coloca em risco de desenvolvê-la. Com um risco relativo estimado de desenvolver câncer de pâncreas que é pelo menos cinco vezes superior ao da população em geral, estes pacientes são elegíveis para rastreios anuais, normalmente exames de ressonância magnética, “conhecidos por serem muito eficazes e fortemente correlacionados com taxas de sobrevivência muito melhores”, disse a Dra. Limor Appelbaum. É por isso que ela e seus colegas recorreram aos registros eletrônicos de saúde para encontrar mais pessoas que provavelmente se beneficiariam de um exame precoce.

“Há sinais nos dados que já estão sendo coletados rotineiramente quando as pessoas consultam seu médico de atenção primária ou vão ao pronto-socorro com um tornozelo quebrado – sintomas que aparecem, como certos medicamentos ou alterações nos valores laboratoriais”, disse a pesquisadora. “Tomados em conjunto, estes são todos sinais que podem prever o câncer de pâncreas antes que o câncer seja realmente detectado, e isso nos dá a oportunidade de detectar esses cânceres precocemente, antes que se espalhem.”

Chamado PrismNN, o modelo de aprendizado de máquina da equipe foi treinado em dados de mais de 1,5 milhão de registros de saúde. O conjunto de dados incluiu uma média de 13 anos de dados históricos sobre dados demográficos, consultas médicas, diagnósticos, exames laboratoriais, procedimentos e medicamentos para mais de 35 mil pacientes que eventualmente desenvolveram câncer de pâncreas e mais de 1,5 milhão de controles. O modelo sinalizou pacientes com alto risco de desenvolver câncer considerando 87 recursos selecionados automaticamente com base nos dados de treinamento de entrada.

“Graças à profundidade e amplitude do conjunto de dados em que o [algoritmo] PrismNN foi treinado, ele pode ser aplicado em qualquer lugar dos EUA porque inclui dados da população diversificada do nosso país”, disse a Dra. Appelbaum. “A ideia é trazer esse recurso para todas as clínicas, para todos os computadores de todos os médicos, estejam eles trabalhando em um hospital terciário em Boston ou em uma pequena clínica comunitária no sudoeste, portanto, é um recurso realmente extremamente importante do nosso modelo. ”

Para validar ainda mais o modelo, a Dra. Appelbaum e colegas estão avaliando sua precisão em tempo real, permitindo que o PrismNN classifique os pacientes em grupos de baixo, médio e alto risco, bem como acompanhe seus resultados. Além disso, os pesquisadores estão convidando os pacientes sinalizados pelo modelo a participarem em estudos para procurar características físicas comuns e quantificáveis, os chamados biomarcadores, que possam sinalizar uma predisposição para o câncer de pâncreas. Desta forma, o PrismNN poderia servir por si só como critério de elegibilidade para rastreio anual ou servir como filtro inicial para pessoas com biomarcadores selecionados que passariam então para o rastreio tradicional do câncer de pâncreas.

“A nossa abordagem permite a expansão potencial da população alvo de rastreio para além da minoria tradicionalmente rastreada com uma predisposição hereditária. Nosso modelo PrismNN prepara o terreno para identificar mais pacientes de alto risco”, concluiu a Dra. Limor Appelbaum.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página do Beth Israel Deaconess Medical Center (em inglês).

Fonte: Jacqueline Mitchell, BIDMC. Imagem: Freepik (Imagem gerada por Inteligência Artificial).

Em suas publicações, o Portal Tech4Health da Rede T4H tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal Tech4Health tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.