#AACR23. Riscul de recidivă în cancerul endometrial, evaluat cu acuratețe printr-un algoritm AI care analizează imagini histopatologice
Rezultatele unei cercetări prezentate la AACR23 arată potențialul utilizării inteligenței artificiale (AI) în stratificarea riscului de recurență în cancerul endometrial. Modelul deep learning (învățare profundă), bazat pe procesarea imaginilor de rezoluție înaltă, digitizate, ale probelor histopatologice (digitized histopathological slides), a evaluat cu exactitate riscul de recidivă la distanță la pacientele cu cancer endometrial. Unul dintre aspectele cheie ale acestui algoritm AI este că are nevoie de o singură imagine per tumoră pentru a face predicția.
Datele de antrenare și validare au fost obținute retrospectiv, iar evaluarea făcută de model a fost consistentă cu rezultatele medicale ale pacientelor și a depășit caracterizarea medicului anatomopatolog în ceea ce privește tipul, gradul și clasa moleculară a tumorii – parametri utilizați în mod obișnuit pentru a încadra pacienta în grupurile de risc.
Pentru a obține imaginile de înaltă rezoluție necesare pentru algoritmul descris mai sus, la analiza histopatologică, care presupune prelevarea unei probe de biopsie din țesutul tumoral endometrial și examinarea prin tehnici de microscopie convențională, sunt adăugate tehnici de scanare de înaltă performanță, imaginile fiind transpuse în fișiere digitale. Este deja o practică de rutină în multe laboratoare, ceea ce a permis dezvoltarea de astfel de algoritmi AI care să le analizeze și să faciliteze evaluarea riscului.
Cancerul endometrial este cel mai frecvent tip de cancer uterin. În timp ce pacientele cu cancer uterin în stadiu incipient au o rată de supraviețuire de aproximativ 95% la cinci ani, cele depistate în stadiu avansat și cele a căror boală recidivează au o supraviețuire scăzută. Prognosticul este și mai redus pentru recidiva la distanță (sau metastazarea la distanță), care înseamnă că, după prima linie de tratament, cancerul revine în situsuri aflate la distanță de localizarea primară.
Riscul de recidivă distantă poate fi redus prin terapie sistemică adjuvantă (care presupune adesea chimioterapie sau terapie hormonală – diferit de la caz la caz), iar distincția corectă a pacienților cu risc ridicat de cei cu risc scăzut este crucială pentru managementul personalizat și reducerea morbidității și toxicității. Metodele actuale de stratificare a riscului, care se bazează pe evaluarea imaginilor histopatologice de către specialiști anatomopatologi sunt limitate de variabilitatea semnificativă între expertiza lor, au subliniat autorii studiului actual.
Deși testarea moleculară tumorală aduce valoare suplimentară, nu este efectuată de rutină, iar costurile pot fi ridicate în lipsa unei infrastructuri bine puse la punct. Mai mult, până acum, numărul ridicat de variabile de prognostic a făcut dificilă combinarea tuturor factorilor relevanți într-un scor de risc universal.
Detalii despre studiu
Studiul a presupus colaborarea dintre consorțiul AIRMEC, care a implicat Departamentul de Patologie al Centrului Medical Universitar Leiden, consorțiul TransPORTEC și Departamentul de Patologie și Patologie Moleculară al Universității din Zurich.
Pentru a dezvolta modelul, au fost utilizate date de urmărire pe termen lung de la participanții înscriși în studiile clinice randomizate PORTEC-1/-2/-3 și date din trei cohorte clinice separate, însumând 1.761 de paciente cu cancer endometrial care nu au primit chimioterapie adjuvantă.
A fost folosită câte o imagine de lamelă histopatologică reprezentativă tumoral de la fiecare dintre cele aproximativ 1.400 de participante, pentru a antrena și optimiza modelul. Astfel, modelul a fost expus de multiple ori la imaginea histopatologică și la informațiile privind timpul până la recurența la distanță la fiecare pacientă, până când a început să recunoască caracteristicile vizuale care au prezis această recurență.
Pentru a evalua performanța, modelul rezultat a fost testat pe setul de date de la aproximativ 300 de paciente care nu au fost utilizate în antrenare.
Deși este necesară validarea suplimentară pe alte seturi de date, performanța modelului arată potențialul AI de a optimiza îngrijirea clinică pentru pacientele cu cancer endometrial. Printre direcțiile de viitor în actuala cercetare, se numără îmbunătățirea performanței modelului prin integrarea unor variabile clinice care nu pot fi citite din imaginile histopatologice.
Limitările studiului includ design-ul retrospectiv și lipsa unei validări externe la scară largă și în diferite populații. În plus, nu este momentan clar cum ar putea fi influențată performanța modelului de diferențele semnificative dintre protocoalele de scanare a țesuturilor și de pregătire a lamelor și lamelelor pentru evaluarea microscopică, aplicate diferit de fiecare unitate în parte.
Citește și:
- STUDIU. Riscul de cancer endometrial, evaluat prin testarea markerilor metilării ADN din probe auto-recoltate acasă
- STUDIU. Primele rezultate despre eficacitatea imunoterapiei în cancerul endometrial: dostarlimab, în combinaţie cu tratamentul standard, prelungeşte supravieţuirea fără progresia bolii
- STUDIU. Endometrioza se asociază cu un microbiom alterat al tractului genital