Uma equipe de pesquisa da Johns Hopkins Medicine criou e treinou um modelo de aprendizado de máquina para calcular a porcentagem de necrose (PN) – ou qual porcentagem de um tumor está “morto” e não está mais ativo – em pacientes com osteossarcoma, um tipo de câncer ósseo. O cálculo do modelo teve 85% de acerto quando comparado aos resultados de um patologista musculoesquelético. Ao remover um valor discrepante, a precisão aumentou para 99%.
Um cálculo de PN pós-quimioterapia ajuda a fornecer ao paciente um prognóstico de sobrevivência. Por exemplo, um PN de 99% indica que 99% do tumor está morto, sugerindo que a quimioterapia foi eficaz e que o paciente melhorou as chances de sobreviver. Os patologistas calculam a PN observando, interpretando e anotando imagens de lâminas inteiras (WSIs), que são seções em fatias finas de uma amostra (tecido ósseo, neste contexto) que são montadas em lâminas para análise microscópica.
A equipe procurou desenvolver um modelo de aprendizado de máquina “fracamente supervisionado”, que exigisse o mínimo de dados de anotação para treinamento. Treinar o modelo desta forma significaria que um patologista musculoesquelético que usasse o modelo para calcular a NP de um paciente só precisaria fornecer-lhe WSIs parcialmente anotados, reduzindo assim a carga de trabalho do patologista.
Primeiro, a equipe reuniu dados, incluindo WSIs, dos arquivos de patologia do centro terciário de câncer dos EUA da Johns Hopkins. Todos os dados vieram de pacientes com osteossarcoma intramedular – ou seja, osteossarcoma originado no centro do osso – que foram submetidos a quimioterapia e cirurgia no centro entre 2011 e 2021. A equipe então pediu a um patologista musculoesquelético que anotasse parcialmente três tipos de tecido em cada dos WSIs coletados: tumor ativo, tumor morto e tecido não tumoral. O patologista também estimou o NP para cada paciente. Usando essas informações, a equipe começou a treinar o modelo.
Depois de treinados, o modelo e o patologista musculoesquelético receberam seis WSIs para interpretar de dois pacientes com osteossarcoma. Os resultados mostraram uma correlação positiva de 85% entre o modelo e os cálculos PN do patologista e a marcação dos tecidos. O modelo nem sempre rotulou adequadamente a cartilagem, o que levou a um valor atípico devido à abundância de cartilagem em um WSI. Quando o outlier foi removido, a correlação aumentou para 99%.
O estudo foi publicado on-line em 5 de outubro no Journal of Orthopaedic Research.