Uma nova ferramenta de IA (inteligência artificial) pode prever os resultados do tratamento para pacientes com câncer de mama com mais precisão, salvando os pacientes de quimioterapia desnecessária. Isso está de acordo com um novo estudo do Northwestern Medicine Research Institute. A avaliação do tecido do paciente pela IA prevê melhor o curso futuro de um paciente do que a avaliação de um patologista especialista.

As ferramentas de inteligência artificial podem identificar pacientes com cancro da mama que estão atualmente classificados como de alto ou moderado risco, mas que se tornam sobreviventes a longo prazo. Isso significa que a quimioterapia pode ser mais curta ou menos intensa. Isto é importante porque a quimioterapia pode causar efeitos colaterais desagradáveis ​​e prejudiciais, como náuseas ou, mais raramente, danos ao coração.

Atualmente, os patologistas determinam os tratamentos avaliando as células cancerígenas no tecido do paciente. Mas a investigação mostra que os padrões de células não cancerosas são importantes na previsão de resultados. Este é o primeiro estudo a usar inteligência artificial para avaliar de forma abrangente células cancerosas e células não cancerosas no câncer de mama invasivo.

“Nosso estudo demonstra a importância dos componentes não cancerosos na determinação do prognóstico do paciente”, disse Lee Cooper, professor associado de patologia da Escola de Medicina Feinberg da Northwestern University e autor correspondente do estudo. “A investigação biológica já conhece a importância destes elementos, mas este conhecimento ainda não foi efetivamente traduzido em aplicações clínicas”.

A pesquisa será publicada hoje (27 de novembro) na revista Nature Medicine.

Em 2023, aproximadamente 300.000 mulheres americanas serão diagnosticadas com cancro da mama invasivo. Cerca de uma em cada oito mulheres americanas será diagnosticada com câncer de mama durante a vida.

Durante o processo de diagnóstico, um patologista revisará o tecido canceroso para determinar o quão anormal ele é. Este processo, denominado estadiamento, concentra-se no aparecimento de células cancerígenas e permaneceu praticamente inalterado durante décadas. A nota determinada pelo patologista ajuda a determinar qual tratamento o paciente receberá. Muitos estudos sobre a biologia do câncer de mama mostraram que as células não cancerosas, incluindo as células do sistema imunológico e as células que fornecem forma e estrutura aos tecidos, desempenham papéis importantes na manutenção ou inibição do crescimento do câncer.

Cooper e colegas construíram um modelo de inteligência artificial para avaliar o tecido do cancro da mama a partir de imagens digitais, medindo a aparência das células cancerígenas e não cancerosas e como interagem entre si.

"É um desafio para os patologistas avaliar esses padrões porque é difícil para o olho humano classificá-los de forma confiável", disse Cooper, membro do Robert H. Lurie Comprehensive Cancer Center da Northwestern University. “O modelo de IA mede esses padrões e apresenta as informações ao patologista de uma forma que torna o processo de tomada de decisão da IA ​​claro para o patologista.” "

O sistema de inteligência artificial analisa 26 atributos diferentes do tecido mamário da paciente para gerar uma pontuação prognóstica geral. O sistema também é capaz de gerar pontuações individuais para células cancerígenas, células do sistema imunológico e células do estroma, para que a pontuação geral possa ser interpretada pelos patologistas. Por exemplo, para alguns pacientes, uma boa pontuação prognóstica pode ser devida às propriedades das suas células imunitárias, enquanto para outros, uma boa pontuação prognóstica pode ser devida às propriedades das suas células cancerígenas. A equipe de atendimento ao paciente pode usar essas informações para desenvolver um plano de tratamento personalizado.

A utilização deste novo modelo poderia fornecer aos pacientes diagnosticados com cancro da mama estimativas de risco mais precisas associadas à sua doença, capacitando-os a tomar decisões informadas sobre o seu tratamento clínico. Além disso, o modelo pode ajudar a avaliar a resposta ao tratamento, aumentando ou diminuindo o tratamento com base nas alterações na aparência microscópica do tecido ao longo do tempo. Por exemplo, a ferramenta pode ser capaz de identificar a eficácia com que o sistema imunológico de um paciente ataca o câncer durante a quimioterapia, permitindo que ela seja encurtada ou menos intensa.

"Também esperamos que este modelo reduza as desigualdades em pacientes diagnosticados em ambientes comunitários. Esses pacientes podem não ter acesso a um patologista especialista em câncer de mama, e nosso modelo de IA pode ajudar patologistas de clínica geral a avaliar o câncer de mama", disse Cooper.

O estudo foi conduzido em colaboração com a American Cancer Society (ACS), que criou um conjunto de dados único de pacientes com câncer de mama por meio de sua Pesquisa de Prevenção do Câncer. O conjunto de dados representa pacientes de mais de 423 condados dos Estados Unidos, muitos dos quais foram diagnosticados ou tratados em centros de saúde comunitários. Isto é importante porque a maioria dos estudos normalmente utiliza dados de grandes centros médicos acadêmicos, que representam apenas uma parcela da população dos EUA. Nesta colaboração, a Northwestern University desenvolveu o software de inteligência artificial, enquanto cientistas da American Cancer Society e do National Cancer Institute forneceram conhecimentos especializados em epidemiologia e resultados clínicos do cancro da mama.

Para treinar o modelo de IA, os cientistas geram centenas de milhares de anotações de células e estruturas de tecidos geradas por humanos em imagens digitais de tecidos de pacientes. Para isso, criaram uma rede internacional de estudantes de medicina e patologistas de vários continentes. Estes voluntários disponibilizaram estes dados através do website ao longo de vários anos, permitindo ao modelo de inteligência artificial interpretar de forma fiável imagens de tecido de cancro da mama.

A seguir, os cientistas avaliarão prospectivamente este modelo para validar seu uso clínico. Isto coincide com a transição da Northwestern Medicine para o uso de imagens digitais para diagnóstico nos próximos três anos.

Os cientistas também estão trabalhando para desenvolver modelos para tipos mais específicos de câncer de mama, como o triplo negativo ou o HER2 positivo. Existem vários tipos diferentes de câncer de mama invasivo e padrões teciduais importantes podem diferir entre os tipos.

"Isso melhorará a nossa capacidade de prever resultados e fornecerá mais informações sobre a biologia do câncer de mama", disse Cooper.