AI distingue o glioblastoma de cânceres parecidos durante a cirurgia

Uma equipe de pesquisa liderada pela Escola de Medicina de Harvard desenvolveu uma ferramenta de IA que pode diferenciar com segurança dois cânceres parecidos encontrados no cérebro, mas com diferentes origens, comportamentos e tratamentos.

A ferramenta, chamada de imagem (ferramenta de caracterização de imagem de patologia com avaliações rápidas com consciência da incerteza), distinguidas com precisão quase perfeita entre glioblastoma-o tumor cerebral mais comum e agressivo-e o linfoma do sistema nervoso central primário (PCNSL), um câncer mais raro frequentemente confundido com glioblastoma. Enquanto ambos podem aparecer no cérebro, o glioblastoma surge das células cerebrais, enquanto o PCNSL se desenvolve a partir de células imunes. Suas semelhanças sob o microscópio geralmente levam ao erro de diagnóstico, com sérias conseqüências para o tratamento.

O trabalho é descrito em 29 de setembro em Comunicações da natureza. O modelo de IA está disponível ao público para outros cientistas usarem e desenvolverem, disse a equipe.

Identificar corretamente os tumores parecidos no cérebro durante a cirurgia é um dos desafios de diagnóstico mais difíceis da neuro-oncologia, disseram os pesquisadores. Um diagnóstico preciso enquanto o paciente ainda está na sala de operações pode ajudar a acelerar as opções críticas de tratamento, como operar e remover o tecido canceroso – como deve ser feito com glioblastoma – ou deixá -lo para trás e optar por radiação e quimioterapia, a terapia preferida para PCNSL. O diagnóstico impreciso ou retardado de cânceres no cérebro pode levar a cirurgia desnecessária e atrasos no tratamento adequado.

O que torna a ferramenta especialmente valiosa é sua capacidade de ser implantada durante a cirurgia, fornecendo informações críticas em tempo real para cirurgiões e patologistas.

“Nosso modelo pode minimizar erros no diagnóstico, distinguindo entre tumores com características sobrepostas e ajudar os médicos a determinar o melhor curso de tratamento com base na verdadeira identidade de um tumor”, disse o autor sênior do estudo, Kun-Hsing YU, professor associado de informática biomédica no Blavatnik Institute no HMS e “HMS Profession of Pathology no Brigham e Women.

Durante a cirurgia do tumor cerebral, os cirurgiões normalmente removem o tecido tumoral para avaliação rápida sob um microscópio. A avaliação é feita congelando a amostra em nitrogênio líquido, que pode distorcer um pouco as características celulares, mas fornece uma avaliação rápida e em tempo real. O processo leva 15 minutos ou mais. Com base nos resultados dessa avaliação de primeira vulva, os cirurgiões determinam se removem o tumor ou deixam para trás e optam por radiação e quimioterapia.

Então, nos próximos dias, os patologistas conduzem uma avaliação mais detalhada e confiável da amostra do tumor. Em cerca de 1 em 20 casos, o diagnóstico inicial de um tumor muda na segunda leitura, disse Yu. É exatamente aqui que o novo sistema de IA poderia desempenhar um papel valioso – reavalindo a incerteza e reduzindo o risco de erro durante a operação quando as decisões críticas são tomadas.

“Nosso modelo mostra desempenho confiável em seções congeladas durante cirurgia cerebral e em cenários com desacordo diagnóstico significativo entre especialistas em humanos”, disse ele.

A ferramenta foi testada em cinco hospitais e superou os patologistas humanos e outros modelos de IA. Um aspecto único do novo modelo é um “detector de incerteza”, que permite não apenas distinguir entre tipos de câncer com alta precisão, mas também sinalizar quando não tiver certeza de seu julgamento-uma característica importante para cenários médicos de alto risco.

O novo estudo baseia -se em trabalhos anteriores liderados por Yu para desenvolver um sistema de IA que possa decodificar com segurança as características moleculares de diferentes tipos de gliomas.

Como manchas de imagens DoppelGangers do câncer de cérebro

A cada ano, mais de 300.000 pessoas em todo o mundo são diagnosticadas com tumores no cérebro ou no sistema nervoso central, e mais de 200.000 mortes ocorrem como resultado. A Organização Mundial da Saúde reconhece cerca de 109 tipos diferentes de tumores cerebrais e da medula espinhal, cada um com suas próprias características únicas sob o microscópio ou no nível genético.

Distinguir com precisão o PCNSL do glioblastoma durante a cirurgia pode permitir que os cirurgiões poupem tecido cerebral em vez de removê -lo. Pacientes com PCNSL são então encaminhados para radiação e quimioterapia, os tratamentos preferidos para esse tipo de tumor. Por outro lado, o glioblastoma requer remoção cirúrgica do máximo possível do tecido cerebral canceroso.

Uma performance quase perfeita

O modelo-que Yu se desenvolveu com os co-primeiro dos autores do estudo, Junhan Zhao e Shih-Yen Lin-foi avaliado em 2.141 lâminas de patologia cerebral coletadas em todo o mundo, incluindo casos raros nas seções congeladas e amostras fixadas em formalina. Foi projetado para identificar características críticas do câncer, incluindo densidade de células tumorais, formato celular e presença de necrose.

Os cientistas testaram o desempenho da Picture em cinco hospitais internacionais em quatro países. Em todos os casos, o modelo de IA superou as ferramentas de IA existentes e a avaliação tradicional da seção congelada, o padrão de atendimento para a digitação de tumores em tempo real.

Nos testes, o modelo de imagem distinguiu corretamente o glioblastoma da PCNSL mais de 98% do tempo – um nível de precisão que se sustentou quando testado em cinco grupos internacionais de pacientes independentes. Além disso, amostras identificadas de figura pertencentes a 67 cânceres do SNC que não eram gliomas nem linfomas.

O modelo poderia identificar tumores que não tinha visto durante seu treinamento e, quando o fez, levantou uma bandeira vermelha para a revisão humana. Em outras palavras, a ferramenta sabia quando não sabia, disse Yu, e isso impediu que o sistema tire casos pouco claros em categorias conhecidas. Esse recurso torna o modelo único entre outros sistemas de IA, disseram os pesquisadores. Em comparação, outras ferramentas de IA podem se diferenciar de uma maneira binária e de maneira-uma doença versus a doença B. Isso é especialmente problemático para a patologia cerebral, observou Yu, porque existem mais de 100 subtipos diferentes de câncer cerebral, e muitos deles são relativamente raros.

A imagem superou os patologistas humanos em tumores difíceis de distinguir no cérebro. Nos testes, os especialistas humanos mostraram discordâncias significativas em diagnósticos difíceis, com alguns tipos de tumores diagnosticados por 38% do tempo. A imagem identificou corretamente todos esses casos, oferecendo suporte quando a opinião de especialistas varia.

Lançando a imagem no mundo real

A implantação da ferramenta pode ser uma grande oportunidade para a colaboração humana-AI, disseram os pesquisadores. Eles imaginam a implementação do sistema nos departamentos de operações e patologia como um filtro inicial para diferenciar o glioblastoma do PCNSL e informar as chamadas de tratamento.

O uso do modelo também pode democratizar o acesso à neuropatologia, uma área de especialização altamente especializada com uma escassez de especialistas e distribuição desigual de especialistas em todo o país e no mundo. Além disso, a ferramenta também pode ser usada como uma ferramenta educacional para treinar a próxima geração de patologistas para reconhecer lesões parecidas no cérebro, onde as diferenças críticas são obscurecidas sob aparência semelhante.

Os pesquisadores observaram que a maioria das amostras de tumores foi obtida em pacientes brancos; portanto, são necessárias mais pesquisas para confirmar a precisão do modelo em diversas populações. E embora a ferramenta tenha se concentrado no glioblastoma e no PCNSL, trabalhos futuros poderiam expandi -la para outros tipos de câncer e combiná -lo com dados genéticos e moleculares para obter informações mais profundas.