Pesquisadores em Duke University Medical Center desenvolveram um sistema de detecção assistida por computador (CAD) baseado em aprendizado profundo para identificar metástases cerebrais difíceis de detectar em imagens de ressonância magnética. O algoritmo exibiu excelente sensibilidade e especificidade, superando outros sistemas CAD em desenvolvimento. A ferramenta mostra potencial para permitir a identificação precoce de metástases cerebrais emergentes, permitindo que sejam alvo de radiocirurgia estereotáxica (SRS) quando aparecem pela primeira vez e, para alguns pacientes, reduzindo o número de tratamentos necessários.
O SRS, que usa feixes de fótons focados com precisão para fornecer uma alta dose de radiação a alvos no cérebro em uma única sessão de radioterapia, está evoluindo para o tratamento padrão de atendimento para pacientes com um número limitado de metástases cerebrais. Para atingir uma metástase, no entanto, ela deve primeiro ser identificada em uma imagem de RM. Infelizmente, aproximadamente 10% não são, 30% para aqueles com menos de 3 mm de tamanho, mesmo quando revisados por neurorradiologistas especialistas.
Quando essas metástases cerebrais não descobertas – que os pesquisadores chamam de metástases identificadas retrospectivamente (RIMs) – são identificadas em exames de ressonância magnética subsequentes, geralmente é necessário um segundo tratamento com SRS. Esse tratamento é caro e pode ser desconfortável e invasivo, às vezes exigindo imobilização da cabeça com uma armação presa ao crânio por pinos.
Na recente Reunião Anual da ASTRO, Devon Godfrey explicou que os pesquisadores projetaram o sistema CAD baseado em rede neural convolucional (CNN) especificamente para melhorar a detecção e segmentação de RIMs difíceis de detectar e metástases prospectivamente identificadas (PIMs) muito pequenas. Godfrey e colegas descrevem o teste e validação deste sistema no Diário Internacional de Oncologia de Radiação, Biologia e Física.
A equipe treinou a ferramenta CAD em dados de ressonância magnética (uma sequência de eco gradiente estragada com contraste) de 135 pacientes com 563 metástases cerebrais. As imagens foram adquiridas usando scanners de ressonância magnética de 1.5 T e 3.0 T de diferentes fornecedores em vários locais da Duke Health. No total, o conjunto de dados incluiu 491 PIMs com diâmetro médio de 6.7 mm e 72 RIMs de 32 pacientes, com diâmetro médio de 2.7 mm.
Para identificar RIMs, os pesquisadores revisaram as imagens originais de ressonância magnética de cada paciente para procurar sinais de realce de contraste no local exato onde uma metástase foi posteriormente detectada. Após a revisão, eles classificaram cada RIM como tendo atendido aos critérios de diagnóstico baseados em imagem (+DC) ou com informações visuais insuficientes (-DC) para serem identificadas como metástases.
Os pesquisadores randomizaram o conjunto de dados de RIMs e PIMs em cinco grupos, usando quatro deles para desenvolvimento de modelo e algoritmo e um como grupo de teste. “A inclusão de RIMs +DC e -DC resultou nas maiores sensibilidades para cada categoria e tamanho de metástase cerebral, ao mesmo tempo em que retornou a menor taxa de falsos positivos e o maior valor preditivo positivo”, relatam. “Isso mostra um claro benefício de incluir uma amostra com excesso de peso de pequenas metástases cerebrais desafiadoras aos dados de treinamento de CAD”.
Para PIMs e +DC RIMs – que têm características claras de metástases na RM – o modelo alcançou uma sensibilidade geral de 93%, variando de 100% para lesões maiores que 6 mm de diâmetro a 79% para aquelas menores que 3 mm. A taxa de falsos positivos também foi impressionantemente baixa, com uma média de 2.7 por pessoa, em comparação com entre oito e 35 em outros sistemas CAD com sensibilidade de detecção comparável para pequenas lesões.
O sistema CAD também foi capaz de detectar alguns dos RIMs -DC nos conjuntos de desenvolvimento e teste. A identificação de metástases cerebrais nesse estágio inicial seria uma grande vantagem clínica, pois essas lesões poderiam ser monitoradas mais detalhadamente com imagens, solicitando tratamento, se necessário.
A equipe da Duke agora está trabalhando para melhorar a precisão da ferramenta CAD, utilizando várias sequências de RM. Godfrey explica que os estudos de ressonância magnética do cérebro quase sempre incluem múltiplas sequências de ressonância magnética que produzem informações únicas sobre cada voxel no cérebro. “Acreditamos que incorporar as informações adicionais disponíveis dessas outras sequências deve melhorar sua precisão”, diz ele.
Godfrey observa que os pesquisadores estão a apenas algumas semanas de lançar um estudo de uso clínico prospectivo simulado do sistema CAD existente para investigar como a ferramenta afeta a tomada de decisões clínicas por radiologistas e oncologistas de radiação.
Aprendizado profundo ajuda radiologistas a detectar câncer de pulmão em radiografias de tórax
“Múltiplos neurorradiologistas especialistas e oncologistas de neuro-radiação que realizam SRS serão apresentados a exames de ressonância magnética cerebral. Eles serão solicitados a encontrar qualquer lesão que possa ser uma metástase cerebral, avaliar seu nível de confiança e dizer se tratariam a lesão com SRS, com base em sua aparência nas imagens”, conta ele Mundo da física. “Em seguida, apresentaremos as previsões de CAD e avaliaremos o impacto do CAD nas decisões clínicas de cada médico.”
Se este estudo de simulação produzir resultados promissores, Godfrey antecipa a implantação da ferramenta CAD para ajudar a identificar metástases cerebrais desafiadoras prospectivamente em novos pacientes sendo tratados na clínica Duke Radiation Oncology sob um protocolo de pesquisa, talvez até meados de 2023.
