Um algoritmo de inteligência artificial (IA) foi criado com o objetivo de analisar automaticamente a composição corporal utilizando tomografias computadorizadas de baixa dose (LDCT) sem a necessidade de meio de contraste. Essas tomografias são comumente usadas para identificar de forma precoce a presença de câncer de pulmão.
Em outras palavras, o algoritmo de IA é capaz de analisar essas imagens de tomografia e avaliar a composição do corpo do paciente, ou seja, quantificar e classificar diferentes tipos de tecidos presentes, como o tecido muscular esquelético e o tecido adiposo subcutâneo. Isso tudo é realizado de forma automática, sem necessidade de intervenção humana, auxiliando na avaliação da condição geral do paciente e ajudando na previsão do risco de doenças futuras, incluindo câncer de pulmão.
No estudo, intitulado AI Body composition in Lung Cancer Screening: Added Value Beyond Lung Cancer Detection, publicado em 25 de julho de 2023, foram incluídos 20.768 participantes, com idade mediana de 61 anos (IQR, 57-65 anos), sendo 12.317 deles homens. Durante o acompanhamento, 865 participantes foram diagnosticados com câncer de pulmão e 4.180 morreram. As medidas de composição corporal, que incluem atributos de área e atenuação do tecido muscular esquelético e do tecido adiposo subcutâneo, foram obtidas a partir de exames de LDCT de linha de base utilizando o algoritmo de IA previamente desenvolvido.
O benefício adicional trazido por essas medições foi avaliado através de uma técnica estatística conhecida como modelos de riscos proporcionais de Cox. Esses modelos foram aplicados de maneira específica considerando o sexo do paciente e a causa da morte, e foram usados com e sem as medidas de composição corporal que o algoritmo de IA forneceu.
Para garantir que os resultados fossem confiáveis e precisos, os modelos foram ajustados levando em consideração uma série de variáveis que poderiam afetar os resultados. Essas variáveis, também conhecidas como variáveis de confusão, incluíam a idade do paciente, o índice de massa corporal, a presença de enfisema (uma condição pulmonar) medido de forma quantitativa, a presença de calcificações na artéria coronária (um sinal de doença cardíaca), bem como histórico de diabetes, doença cardíaca, hipertensão (alta pressão arterial) e acidente vascular cerebral (derrame). Além disso, foram considerados outros fatores de risco para o câncer de pulmão identificados pelo modelo de previsão PLCOM2012.
Esses ajustes permitem que o modelo considere uma ampla gama de fatores que podem influenciar a saúde do paciente, melhorando a precisão das previsões de risco para a incidência de câncer de pulmão, morte por câncer de pulmão, morte por doenças cardiovasculares e morte por todas as causas.
Os achados desta pesquisa apontam que adicionar as informações sobre a composição corporal, obtidas automaticamente por inteligência artificial, melhorou a capacidade de prever risco de morte tanto por câncer de pulmão quanto por doença cardiovascular (CVD), além de mortalidade em geral, para ambos os sexos. No entanto, essa mesma adição de informações não apresentou impacto significativo na precisão da previsão da ocorrência (ou incidência) do câncer de pulmão.
Fonte: Xu K. Published online: July 25,2023
A figura acima, representa a metodologia de uma tomografia computadorizada para rastreamento de câncer de pulmão em um homem de 57 anos. São identificados níveis correspondentes às vértebras T5, T8 e T10, e seções axiais relacionadas a essas vértebras são usadas para avaliar a composição corporal. O campo de visão é expandido e segmentos do tecido adiposo subcutâneo (SAT) e do músculo esquelético (SM) são destacados. As medições da composição corporal, levando em conta a altura do participante, são utilizadas para prever riscos de mortalidade, incidência de câncer de pulmão e doenças cardiovasculares.
Este estudo representa um avanço significativo na aplicação da Inteligência Artificial para melhorar a previsão de riscos de saúde a partir de exames de tomografia computadorizada. As implicações para a triagem de câncer de pulmão e a prevenção de doenças cardiovasculares são substanciais.
Se você ficou interessado em aprofundar seu conhecimento sobre este tema e entender mais sobre os métodos e resultados desta pesquisa, pode acessar o estudo completo clicando no link.
Leia também:
Referência:
Chen, R., Chen, L., Chen, R., Lee, J., Kim, H., Kim, Y., ... & Cheng, T. Y. (2023). AI Body Composition in Lung Cancer Screening: Added Value Beyond Lung Cancer Detection. Radiology. Recuperado de https://pubs.rsna.org/doi/10.1148/radiol.222937