Uma técnica aprimorada de mineração de dados combina informações de várias modalidades de imagem e outros parâmetros clínicos para prever o risco de metástase de câncer.
Na nova abordagem, os dados de imagem de pacientes com câncer são alimentados em uma rede neural profunda, cuja saída é processada por três algoritmos de classificação diferentes. Uma nova maneira de fundir os resultados dos três classificadores produz uma previsão de se, no momento de uma consulta de acompanhamento meses ou anos depois, os cânceres terão se espalhado. Os pesquisadores norte-americanos que desenvolveram o método demonstraram sua eficácia usando imagens de diagnóstico e planejamento de tratamento adquiridas para 188 pacientes com câncer de cabeça e pescoço.
Assim como os cânceres em outras partes do corpo, os cânceres de cabeça e pescoço em estágio inicial são tratados com radioterapia, com sucesso crescente. Quando o tratamento falha, muitas vezes se deve ao crescimento de novos tumores longe do local da doença inicial. É vital prever quais pacientes têm maior probabilidade de desenvolver metástases à distância (DM), para que os pacientes de baixo risco possam ser poupados dos graves efeitos colaterais que acompanham os tratamentos sistêmicos usados para controlar a proliferação do câncer.
Um método de categorizar os pacientes dessa maneira é extrair indicadores de risco de DM de grandes conjuntos de dados de imagem – uma abordagem conhecida como “radiômica”. Porém, embora essa técnica tenha demonstrado fazer bom uso dos recursos quantitativos encontrados nos conjuntos de dados de modalidade única (consulte a radiômica baseada em TC revela o risco de câncer de próstata), os conjuntos de dados multimodais ainda não foram utilizados para sua melhor vantagem, devido à relativa maneira simples de combinar recursos diferentes de cada tipo de imagem.
Agora, escrevendo em Physics in Medicine and Biology, Zhiguo Zhou, no UT Southwestern Medical Center e University of Central Missouri, e colegas descrevem uma técnica – que eles chamam de radiômica multifacetada (radiômica M) – que faz uso mais eficaz de um conjunto de dados que inclui pósitrons. tomografia de emissão (PET) e imagens de tomografia de raios-X.
A equipe compilou imagens PET e CT de 188 pacientes com câncer de cabeça e pescoço que tiveram consultas de acompanhamento entre seis e 112 meses após a digitalização. As imagens, adquiridas em várias instituições, já haviam sido estudadas por médicos, e 257 características – como características geométricas e de textura – foram extraídas para cada paciente. Também foram incluídos no conjunto de dados outros parâmetros clínicos, como idade e sexo do paciente, e até que ponto a doença já havia progredido no momento da geração de imagens.
Zhou e colegas inseriram um subconjunto desses pontos de dados em uma rede neural profunda, que os fundiu em um único conjunto de recursos. Eles então usaram esse conjunto de recursos combinados para treinar um modelo preditivo que poderia ser ajustado para otimizar tanto a sensibilidade (a probabilidade de fazer uma verdadeira previsão positiva do DM) quanto a especificidade (a probabilidade de fazer uma verdadeira previsão falsa do DM) simultaneamente, dependendo da clínica. necessidade. Normalmente, as saídas desse modelo seriam classificadas por um único algoritmo de classificação para prever o resultado: DM ou não DM. Os pesquisadores observam que a combinação de três algoritmos de classificação diferentes melhora a confiabilidade de sua abordagem.
Testados em um subconjunto separado de dados de pacientes, os pesquisadores descobriram que a radiomática M se aproximava de versões superiores à técnica que careciam da rede neural profunda, da otimização da especificidade da sensibilidade ou das etapas de combinação de classificadores. Eles acham que o método poderia ser aprimorado ainda mais, incluindo recursos de imagem fora dos limites do tumor delineados pelo médico e desenvolvendo um procedimento padronizado e automático de extração de recursos para minimizar a variabilidade entre as imagens capturadas em diferentes instituições.
Zhou e colegas planejam validar seu método com um estudo prospectivo multi-institucional – em contraste com o conjunto de dados retrospectivo que eles usaram para a demonstração – que deve mostrar seu valor para ajudar na tomada de decisão clínica em câncer de cabeça e pescoço de alto risco semelhante pacientes.
“Uma vez validado, esperamos que a adoção clínica do modelo possa ser realizada em dois a três anos”, diz o co-autor de Zhou, Jing Wang, no UT Southwestern Medical Center. Como a radiômica M é uma estrutura generalizada, a abordagem também pode ser estendida para prever os resultados do tratamento para cânceres primários em outros locais anatômicos.
Publicado em 03/07/2020 07h34
Artigo original:
Estudo original:
Achou importante? Compartilhe!
Assine nossa newsletter e fique informado sobre Astrofísica, Biofísica, Geofísica e outras áreas. Preencha seu e-mail no espaço abaixo e clique em “OK”: