A inteligência artificial acelera o diagnóstico de tumores cerebrais

Para pacientes com tumores cerebrais, a primeira etapa do tratamento geralmente é a cirurgia para remover o máximo possível da massa tumoral. As amostras de tumor obtidas e analisadas durante a cirurgia são usadas para diagnosticar com precisão o tumor e definir as margens entre o tumor e o tecido cerebral saudável.

No entanto, essa análise patológica durante a cirurgia (intraoperatória) leva tempo; um patologista deve preparar, corar e analisar a amostra enquanto o cirurgião e o paciente aguardam os resultados. No entanto, um novo estudo indicou que o uso combinado de inteligência artificial e uma técnica de imagem avançada conseguiu diagnosticar com precisão tumores cerebrais em menos de 3 minutos durante a cirurgia. Com este método, o tecido tumoral também foi diferenciado com precisão do tecido saudável.

"Esta tecnologia é encorajadora, particularmente para pacientes com tumores detectados recentemente e para pacientes com tumores recorrentes que farão uma segunda ou terceira cirurgia", disse o Dr. Daniel Orringer da Langone Health da University of New York (NYU), que auxiliou no direcionamento do estudo.

De acordo com a equipe de pesquisa, este estudo abre a porta para "fornecer acesso sem precedentes ao diagnóstico de tecido intra-operatório enquanto o paciente está na mesa de operação", e ao mesmo tempo "diminui o risco de remover ... tecido normal adjacente ao tumor".

Kareem Zaghloul, MD, neurocirurgião da Unidade de Neurologia Cirúrgica do National Institutes of Health (NIH), que não esteve envolvido na pesquisa, disse que os resultados do estudo são encorajadores. “Este tipo de técnica ajudará aos médicos a saber o quão intensiva ou conservadora a cirurgia deve ser", disse o Dr. Zaghloul.

> A aplicação da tecnologia de imagem e inteligência artificial

Para melhorar a análise histopatológica intraoperatória utilizada nos dias atuais, uma equipe de pesquisa liderada pelos Drs. Orringer e Todd Hollon queria testar se era possível combinar as imagens obtidas pelo estudo histológico por espectroscopia Raman (SRH) com o poder preditivo da inteligência artificial.

A técnica SRH, um tipo especializado de microscopia, é usada para visualizar amostras de tecido recentemente coletadas na sala de cirurgia e até mesmo produzir o mesmo tipo de coloração que os patologistas aplicam a amostras de tecido congeladas para analisar a estrutura celular. Na Universidade de Michigan, as equipes cirúrgicas já usam um sistema SRH para alguns procedimentos de tumor cerebral e câncer de cabeça e pescoço.

Para a inteligência artificial, computadores poderosos são usados ​​para realizar tarefas geralmente associadas à inteligência humana. Um tipo de inteligência artificial conhecido como aprendizado profundo usa algoritmos matemáticos complexos, às vezes chamados de redes de spin neurais, para extrair recursos dos dados e aprender com eles.

Esse autotreinamento faz com que o algoritmo identifique padrões e analise imagens. Na medicina, por exemplo, esses algoritmos são estudados para determinar se eles são úteis para avaliar mamografias, detectar tecido pré-canceroso no colo do útero ou detectar manchas cancerosas com maior precisão.

Para combinar o poder da técnica de SRH com inteligência artificial, os pesquisadores começaram alimentando um algoritmo com imagens de tecido tumoral cerebral produzido com SRH. Mais de 2,5 milhões de imagens de tecido tumoral de 415 pacientes foram utilizadas para este treinamento. As imagens incluíram três classificações de tecido não tumoral, incluindo substância cinzenta ou branca saudável, e 10 dos tipos mais comuns de tumores cerebrais, respondendo a mais de 90% de todos os diagnósticos de tumor cerebral nos Estados Unidos.

“No início, foi um grande desafio decidir o tamanho e a resolução das imagens para treinar o algoritmo”, disse Dr. Hollon. Depois de determinar os parâmetros ideais, o algoritmo aprendeu a classificar as amostras de tecido em: tumor confirmado, tecido não tumoral ou tumor não diagnosticado (ou seja, a análise de IA não foi possível).

> Teste em um ensaio clínico

Para explorar o valor clínico da combinação de SRH e tecnologia de inteligência artificial para o diagnóstico de tumores cerebrais, os pesquisadores inscreveram cerca de 280 pacientes no estud.; Todos os participantes permitiram que os cirurgiões coletassem mais tecido tumoral do que teriam coletado da maneira usual, mas de uma forma que não aumentou o risco.

As amostras de tecido foram divididas em duas e analisadas com a nova técnica (imagens criadas com SRH e classificadas pelo algoritmo) na sala de cirurgia e, além disso, uma análise histopatológica convencional (preparo, coloração e análise dos tecidos por um patologista) para comparar se a nova tecnologia era tão precisa quanto a tecnologia convencional.

Ficou provado que esse foi o caso. O algoritmo determinou corretamente o diagnóstico de tumores cerebrais 94,6% do tempo, enquanto as análises de patologia convencionais tiveram uma taxa de precisão geral de 93,9%.

Nos casos em que o algoritmo classificou incorretamente as amostras de tecido, um patologista determinou o diagnóstico correto. Nos casos em que os patologistas classificaram a amostra incorretamente, o algoritmo determinou o diagnóstico correto.

Os pesquisadores observaram que a habilidade da técnica de inteligência artificial e dos patologistas por meio de verificação mútua destacou a necessidade de patologistas trabalharem com a técnica de inteligência artificial. Esse esforço conjunto facilitaria a interpretação de casos difíceis e garantiria a maior precisão diagnóstica possível.

> Melhora a precisão cirúrgica

Foi possível determinar o grau em que o tumor foi removido durante a cirurgia e a ressonância magnética (RM) pós-operatória que demonstrou o quão completa foi a remoção. Ao remover o máximo possível de tecido tumoral durante a cirurgia, a sobrevida do paciente foi melhorada. No entanto, se muito tecido cerebral saudável for removido durante a cirurgia, isso terá consequências sérias e prejudiciais para os pacientes, como deficiência motora, perda de memória ou problemas de visão.

Para avaliar isso, os pesquisadores também analisaram a capacidade da nova técnica de distinguir o tecido cerebral do tumor e o tecido saudável enquanto o paciente ainda estava em cirurgia.

Como as células tumorais às vezes se infiltram no tecido saudável, é difícil identificar o limite entre o tecido tumoral e o tecido saudável a olho nu durante a cirurgia. A técnica de inteligência artificial divide a imagem de cada amostra em setores menores, permitindo que os cirurgiões identifiquem de forma rápida e clara áreas com tecido tumoral ou tecido saudável.

"Podemos ... visualizar o tumor de uma maneira que seria invisível durante a cirurgia." Disse o Dr. Orringer.

Além disso, como "o prognóstico dos pacientes depende da extensão da ressecção, se tivermos informações mais precisas sobre a margem entre o cérebro e o tumor poderíamos obter resultados promissores de tratamento para os pacientes e menos complicações de cirurgia porque mais tecido saudável é preservado” esclareceu o Dr. Zaghloul

> O futuro da inteligência artificial em tumores cerebrais

Antes que o uso desta nova técnica se espalhe para outros centros e instituições, "precisamos testar a técnica de forma confiável com mais pacientes e expandir seu uso para incluir tumores cerebrais raros", concluiu o Dr. Zaghloul.

Na atualidade, a imagem SRH é usada em vários centros de câncer importantes nos Estados Unidos. O Dr. Orringer explicou que tanto a inteligência artificial quanto as imagens de SRH são técnicas emergentes, o que significa que haverá desafios em integrá-las aos cuidados de saúde, como questões financeiras ou regulatórias, e treinamento do corpo clínico.

No entanto, o Dr. Orringer espera que o uso da técnica combinada de SRH e inteligência artificial seja expandido no futuro para outros locais, como centros com poucos recursos para análise patológica, e aplicado a outros tipos de câncer.