A capacidade da IA ​​de detectar células tumorais pode ser a chave para prognósticos mais precisos do câncer ósseo

Pesquisadores da Universidade de Kyushu desenvolveram e validaram um modelo de aprendizado de máquina que pode avaliar com precisão a densidade das células tumorais sobreviventes após o tratamento em imagens patológicas de osteossarcoma – o tumor ósseo maligno mais prevalente. O modelo pode avaliar como as células tumorais individuais respondem ao tratamento e prever o prognóstico geral do paciente de forma mais confiável do que os métodos convencionais.

A cirurgia e a quimioterapia melhoraram significativamente os resultados dos pacientes com osteossarcoma localizado. No entanto, os pacientes com doença metastática avançada (o estágio em que as células cancerígenas se espalharam para tecidos distantes) apresentam uma baixa taxa de sobrevivência. Após um tratamento padrão de cirurgia e quimioterapia, avaliar o prognóstico dos pacientes é essencial para determinar seus planos de tratamento individuais subsequentes. No entanto, prever os resultados dos pacientes apresenta muitos desafios.

Atualmente, o prognóstico depende da avaliação da taxa de necrose, que envolve patologistas avaliando a proporção de tecido morto dentro de um tumor. Infelizmente, estes métodos são limitados pela variabilidade entre as avaliações dos patologistas e podem não prever com precisão a resposta ao tratamento.

Reconhecendo a necessidade de prognósticos mais rápidos e precisos, os co-autores Dr. Kengo Kawaguchi e Dr. Kazuki Miyama, do Departamento de Cirurgia Ortopédica, Escola de Pós-Graduação em Ciências Médicas, Universidade de Kyushu, Japão, e Dr. do Departamento de Cirurgia Ortopédica do Hospital Universitário de Kyushu, juntamente com colaboradores, recorreram à inteligência artificial (IA) para uma avaliação mais detalhada. A equipe multidisciplinar liderada pelo Dr. Endo incluiu o professor Ryoma Bise da Universidade de Kyushu, o professor Yoshinao Oda e o professor Yasuharu Nakashima.

Explicando a lógica por trás de sua pesquisa, que foi publicada em Oncologia de Precisão npjEndo diz: “No método tradicional, a taxa de necrose é calculada como uma área necrótica em vez de contagens de células individuais, o que não é suficientemente reprodutível entre os avaliadores e não reflete adequadamente os efeitos dos medicamentos anticâncer. Portanto, consideramos o uso de IA para melhorar a estimativa.”

Na fase 1 do estudo, a equipe treinou um tipo de IA, denominado modelo de aprendizagem profunda, para detectar células tumorais sobreviventes e validou seu desempenho de detecção usando dados de pacientes. O modelo de IA mostrou proficiência na detecção de células tumorais viáveis ​​em imagens patológicas, alinhando-se com as capacidades dos patologistas especialistas.

Na fase 2, os investigadores analisaram duas medidas principais: a sobrevivência específica da doença, que monitoriza a duração após o diagnóstico ou tratamento sem morte diretamente causada pela doença, e a sobrevivência livre de metástases, que monitoriza o tempo pós-tratamento sem que as células cancerígenas se espalhem para partes distantes do corpo. Eles também exploraram a correlação entre a densidade de células tumorais viáveis ​​estimadas pela IA e o prognóstico. Notavelmente, o modelo de IA demonstrou desempenho e precisão de detecção comparáveis ​​aos do patologista, com boa reprodutibilidade.

Em seguida, os pesquisadores classificaram os pacientes em grupos com base no fato de a densidade de células tumorais viáveis ​​estar acima ou abaixo de 400/mm3.². A análise de sobrevivência revelou que o grupo de alta densidade apresentou pior prognóstico, enquanto o grupo de baixa densidade apresentou melhor prognóstico para sobrevida específica da doença e sobrevida livre de metástases.

A taxa de necrose, por outro lado, não foi associada à sobrevida específica da doença ou à sobrevida livre de metástases. Além disso, a análise de casos individuais revelou que a densidade de células tumorais viáveis ​​estimada pela IA era um preditor de prognóstico mais confiável do que a taxa de necrose.

No geral, essas descobertas sugerem que a medição baseada em IA de células tumorais viáveis ​​reflete a malignidade inerente (capacidade de propagação do câncer) e a resposta individual das células tumorais dos osteossarcomas. A incorporação de IA na análise de imagens patológicas melhora a precisão da detecção, reduz a variabilidade entre avaliadores e permite uma avaliação oportuna.

Além disso, a estimativa de células tumorais viáveis, que reflecte a sua capacidade de continuar a multiplicar-se após a quimioterapia, é um preditor mais fiável da resposta ao tratamento do que a morte celular. A validação em larga escala do modelo de IA desenvolvido neste estudo pode auxiliar na sua aplicação mais ampla em ambientes clínicos da vida real.

“Esta nova abordagem tem o potencial de aumentar a precisão dos prognósticos para pacientes com osteossarcoma tratados com quimioterapia. No futuro, pretendemos aplicar ativamente a IA a doenças raras, como o osteossarcoma, que tiveram avanços limitados na epidemiologia, patogênese e etiologia.

“Apesar da passagem de décadas, particularmente nas estratégias de tratamento, o progresso substancial permanece ilusório. Ao colocar a IA para resolver o problema, isto pode finalmente mudar”, conclui o Dr.