Um programa de computador baseado em dados de quase meio milhão de imagens de tecidos e impulsionado por inteligência artificial pode diagnosticar com precisão casos de adenocarcinoma, a forma mais comum de câncer de pulmão, mostra um novo estudo.
Pesquisadores do Perlmutter Cancer Center da NYU Langone Health e da University of Glasgow desenvolveram e testaram o programa. Eles dizem que, como ele incorpora características estruturais de tumores de 452 pacientes com adenocarcinoma, que estão entre os mais de 11.000 pacientes do Cancer Genome Atlas do National Cancer Institute dos Estados Unidos, o programa oferece uma segunda opinião imparcial, detalhada e confiável para pacientes e oncologistas sobre a presença do câncer e a probabilidade e o momento de seu retorno (prognóstico).
A equipe de pesquisa também ressalta que o programa é independente e "autoaprendiz", o que significa que ele determinou por si mesmo quais características estruturais eram estatisticamente mais significativas para avaliar a gravidade da doença e tiveram o maior impacto na recorrência do tumor.
Publicado online no jornal Nature Communications em 11 de junho, o programa de estudo, também chamado de algoritmo, ou especificamente, aprendizado de fenótipo histomorfológico (HPL), foi considerado capaz de distinguir com precisão entre cânceres de pulmão semelhantes, adenocarcinoma e carcinoma de células escamosas, 99% das vezes. O programa HPL também se mostrou 72% preciso na previsão da probabilidade e do momento do retorno do câncer após a terapia, superando a precisão de 64% nas previsões feitas por patologistas que examinaram diretamente as imagens de tumores dos mesmos pacientes, dizem os pesquisadores.
Para desenvolver o programa HPL, os pesquisadores primeiro analisaram lâminas de tecido de adenocarcinoma de pulmão do Cancer Genome Atlas. O adenocarcinoma foi escolhido para o modelo de teste porque a doença é conhecida por suas características marcantes. Como exemplo, eles observam que suas células tumorais tendem a se agrupar em padrões chamados acinares ou saculares e se espalham de forma previsível ao longo da superfície das células pulmonares.
A partir de sua análise das lâminas, cujas imagens visuais foram digitalizadas e divididas em 432.231 pequenos quadrantes ou blocos, os pesquisadores encontraram 46 características-chave, o que eles chamam de clusters de fenótipo histomorfológico, de tecido normal e doente, um subconjunto das quais estava estatisticamente ligado ao retorno precoce do câncer ou à sobrevivência a longo prazo. Os resultados foram então confirmados por testes adicionais e separados em imagens de tecido de 276 homens e mulheres que foram tratados para adenocarcinoma na NYU Langone de 2006 a 2021.
Pesquisadores dizem que seu objetivo é usar o algoritmo HPL para atribuir a cada paciente uma pontuação entre 0 e 1 que reflita sua chance estatística de sobrevivência e recorrência do tumor por até cinco anos. Como o programa aprende sozinho, eles enfatizam que o HPL se tornará cada vez mais preciso à medida que mais dados forem adicionados ao longo do tempo. Para construir a confiança do público, os pesquisadores publicaram seu código de programação online e planejam disponibilizar a nova ferramenta HPL gratuitamente após a conclusão de testes adicionais.
https://github.com/AdalbertoCq/Histomorphological-Phenotype-Learning
