Nova ferramenta de previsão do câncer de próstata com precisão incomparável

As ferramentas atuais usadas para prever a progressão do câncer de próstata são geralmente de natureza subjetiva, levando a diferentes interpretações entre os médicos

Uma equipe de pesquisadores da Icahn School of Medicine em Mount Sinai e Keck School of Medicine da University of Southern California (USC) desenvolveram uma nova estrutura de aprendizado de máquina que distingue entre câncer de próstata de baixo e alto risco com mais precisão do que nunca antes. O quadro, descrito em um artigo Scientific Reports publicado hoje, destina-se a ajudar os médicos - em particular, radiologistas - identificam com mais precisão as opções de tratamento para pacientes com câncer de próstata, diminuindo a chance de intervenção clínica desnecessária.

O câncer de próstata é uma das principais causas de morte por câncer em homens americanos, perdendo apenas para o câncer de pulmão. Embora os avanços recentes na pesquisa do câncer de próstata tenham salvado muitas vidas, ferramentas de previsão objetivas têm, até agora, permaneceu uma necessidade não atendida.

Atualmente, os métodos padrão usados ​​para avaliar o risco de câncer de próstata são imagens de ressonância magnética multiparamétrica (mpMRI), que detecta lesões de próstata, e o Sistema de Dados e Relatórios de Imagens da Próstata, versão 2 (PI-RADS v2), um sistema de pontuação de cinco pontos que classifica as lesões encontradas na ressonância magnética. Juntos, essas ferramentas se destinam a prever com precisão a probabilidade de câncer de próstata clinicamente significativo. Contudo, A pontuação do PI-RADS v2 é subjetiva e não distingue claramente entre os níveis de câncer intermediário e maligno (pontuação 3, 4, e 5), frequentemente levando a interpretações divergentes entre os médicos.

A combinação do aprendizado de máquina com a radiômica - um ramo da medicina que usa algoritmos para extrair grandes quantidades de características quantitativas de imagens médicas - foi proposta como uma abordagem para remediar essa desvantagem. Contudo, outros estudos testaram apenas um número limitado de métodos de aprendizado de máquina para resolver essa limitação. Em contraste, os pesquisadores do Monte Sinai e da USC desenvolveram uma estrutura preditiva que avaliou rigorosa e sistematicamente muitos desses métodos para identificar o de melhor desempenho. A estrutura também alavanca conjuntos de dados de treinamento e validação maiores do que os estudos anteriores. Como resultado, os pesquisadores conseguiram classificar o câncer de próstata dos pacientes com alta sensibilidade e um valor preditivo ainda maior.

"Ao combinar de forma rigorosa e sistemática o aprendizado de máquina com a radiômica, nosso objetivo é fornecer aos radiologistas e ao pessoal clínico uma ferramenta de previsão sólida que pode eventualmente se traduzir em um atendimento ao paciente mais eficaz e personalizado, "disse Gaurav Pandey, PhD, Professor assistente de Genética e Ciências Genômicas na Escola de Medicina Icahn no Monte Sinai e autor correspondente sênior da publicação ao lado do autor co-correspondente Bino Varghese, PhD, Professor Assistente de Radiologia de Pesquisa na Escola de Medicina Keck da USC. "O caminho para prever a progressão do câncer de próstata com alta precisão está sempre melhorando, e acreditamos que nossa estrutura de objetivos é um avanço muito necessário. "

• Especialistas exploram o envolvimento do intestino na doença de Parkinson
• O peixe-zebra oferece pistas para aliviar o desconforto gastrointestinal relacionado ao autismo