Previsão do risco de câncer de pulmão no rastreio de acompanhamento com TC de baixa radiação: um estudo de treinamento e validação de um método de deep learning
As diretrizes atuais de rastreamento do câncer1 de pulmão2 usam diâmetro, volume ou densidade médios do maior nódulo3 pulmonar na tomografia computadorizada4 anterior ou aparecimento de um novo nódulo3 para determinar o momento da próxima tomografia computadorizada4.
Neste estudo publicado pelo The Lancet Digital Health, o objetivo foi desenvolver um protocolo de rastreio preciso, estimando o risco de câncer1 de pulmão2 em três anos após duas tomografias de rastreio usando deep learning (em tradução livre: “aprendizado profundo”) das leituras de tomografia computadorizada4 dos radiologistas e outras informações clínicas disponíveis universalmente.
Um algoritmo de deep learning (referido como DeepLR) foi desenvolvido usando dados de participantes que fizeram pelo menos duas tomografias computadorizadas com até 2 anos de diferença no National Lung Screening Trial (NLST; coorte5 de treinamento). A validação em dupla ocultação foi realizada usando dados de participantes do estudo Pan-Canadense de Detecção Precoce de Câncer1 de Pulmão2 (PanCan) (coorte5 de validação).
A análise primária foi para comparar a precisão dos escores do DeepLR para prever a incidência6 de câncer1 de pulmão2 em 1 ano, 2 anos e 3 anos com o Sistema de Relatórios e Dados de Rastreio por TC do Pulmão2 (Lung-RADS) e o tempo de duplicação de volume, usando a análise da área dependente do tempo sob a curva de característica operacional do receptor (AUC7).
A coorte5 de treinamento consistiu em 25.097 participantes do NLST e a coorte5 de validação compreendeu 2.294 indivíduos do PanCan.
Na coorte5 de validação, o DeepLR mostrou boa discriminação, com valores da AUC7 dependentes de tempo de 1, 2 e 3 anos para o diagnóstico8 de câncer1 de 0,968 (DP 0,013), 0,946 (0,013) e 0,899 (0,017), respectivamente.
Entre os indivíduos considerados de alto risco pelo DeepLR, 94%, 85% e 71% dos cânceres pulmonares incidentes9 e com intervalo de tempo diagnosticados em 1 ano, 2 anos e 3 anos, respectivamente, após o segundo rastreio por TC foram identificados. Além disso, indivíduos com escores altos de DeepLR apresentaram um risco significativamente maior de mortalidade10 (taxa de risco 16,07, IC 95% 10,15-25,44; p<0,0001) entre pessoas com escores altos no Lung-RADS.
O estudo concluiu que o DeepLR reconhece padrões em mudanças temporais e espaciais e sinergia entre alterações nas características de nódulos e não nódulos. As pontuações do DeepLR podem ser usadas para orientar com precisão o tratamento clínico após a próxima tomografia computadorizada4 de rastreio repetida.
Saiba mais sobre "Câncer1 de pulmão2", "Tomografia computadorizada4" e "Prevenção do câncer1".
Fonte: The Lancet Digital Health, publicação em 17 de outubro de 2019.