Em resumo
Um sistema de inteligência artificial encontrou sinais muito discretos de câncer de pâncreas em exames que pareciam normais. Em média, esses sinais apareceram 475 dias antes de os pacientes receberem o diagnóstico. O resultado é promissor, mas ainda são necessários mais estudos para saber se a ferramenta pode ajudar médicos nos hospitais.
Por que é tão difícil detectar a doença no início?
O estudo se concentrou no adenocarcinoma ductal pancreático, um tipo de câncer que se desenvolve nos ductos do pâncreas. Um dos desafios é que os primeiros sinais podem passar despercebidos tanto pelo paciente quanto pelo médico: no início, os sintomas são poucos ou pouco específicos, e as alterações no tecido podem ser muito sutis nas imagens médicas. Quando surgem sinais mais evidentes, a doença talvez já esteja avançada.
A rapidez com que esse câncer pode progredir torna ainda mais importante detectá-lo a tempo. Um exame que só identifica a doença quando ela já está claramente visível não oferece necessariamente a mesma oportunidade que a descoberta de alterações antes do diagnóstico clínico. Por isso, os pesquisadores procuram maneiras de aproveitar exames já existentes e extrair deles informações que talvez não apareçam numa avaliação visual comum.
Isso não significa que a tomografia computadorizada convencional seja inútil. O desafio é que algumas possíveis pistas são difíceis de perceber a olho nu. Uma imagem pode conter diferenças muito pequenas no tecido do pâncreas, sem mostrar um tumor ou uma alteração grande e fácil de reconhecer. A ideia, então, é analisar os detalhes e as características mais sutis da imagem, em vez de procurar apenas sinais evidentes.
Uma nova maneira de analisar o tecido do pâncreas
Os pesquisadores deram ao sistema de inteligência artificial o nome REDMOD, sigla em inglês que significa modelo de detecção precoce baseado em características radiômicas. A abordagem usa a chamada análise radiômica, que consiste em extrair características detalhadas de imagens médicas, como padrões de textura e contraste que talvez não sejam perceptíveis numa avaliação habitual. Com essas informações, o sistema estima se a imagem apresenta sinais associados à doença.
Uma das etapas do sistema é localizar automaticamente o pâncreas e traçar seus limites, separando-o dos órgãos e tecidos ao redor. Isso é importante porque a delimitação manual do órgão pode variar de um radiologista para outro e, com isso, introduzir diferenças na análise. A automação permite aplicar um método uniforme às imagens e, em seguida, concentrar a avaliação nas características sutis do próprio pâncreas.
O sistema, porém, não identifica o câncer da mesma forma que um médico reconhece um tumor claramente visível. O estudo também não demonstra que toda característica encontrada pelo programa signifique necessariamente a presença de um tumor. O que os pesquisadores avaliaram foi se a análise das imagens conseguia reconhecer padrões que surgiram antes do diagnóstico em um grupo de pacientes. Por isso, os resultados devem ser entendidos como sinais de alerta promissores, e não como uma alternativa comprovada ao diagnóstico médico.
Imagens que pareciam normais antes de a doença aparecer
O estudo analisou tomografias do abdômen de 219 pacientes atendidos em diferentes hospitais. Na época em que esses exames foram feitos, radiologistas experientes não identificaram sinais de câncer de pâncreas. Mais tarde, porém, todos os pacientes receberam esse diagnóstico. Isso permitiu que os pesquisadores voltassem às imagens anteriores e verificassem se o sistema encontrava pistas que não haviam sido detectadas naquele momento.
Os exames não foram feitos todos no mesmo intervalo antes do diagnóstico. Para 87 pacientes, ou 40% do grupo, a tomografia havia sido realizada entre 3 e 12 meses antes do diagnóstico. Outros 76 pacientes, equivalentes a 35%, fizeram o exame entre 12 e 24 meses antes. Já as imagens de 56 pacientes, ou 25%, tinham sido obtidas mais de 24 meses antes; em alguns casos, o intervalo chegou a cerca de três anos.
Em quase dois terços dos pacientes — precisamente 64% —, o câncer se desenvolveu na cabeça do pâncreas. Esse dado descreve a localização dos tumores no grupo estudado, mas não significa que os resultados do sistema se apliquem necessariamente a todas as regiões do órgão ou a todos os pacientes. A variedade de intervalos entre os exames e o diagnóstico também permitiu aos pesquisadores avaliar a capacidade da ferramenta de encontrar sinais em diferentes momentos.
Para fazer uma comparação, os pesquisadores também usaram imagens de 1243 pessoas que não receberam diagnóstico de câncer de pâncreas durante os três anos seguintes à tomografia. O grupo de comparação foi selecionado levando em conta a idade, o sexo e as datas dos exames, para tornar a análise mais consistente. A idade média dos pacientes com câncer era de 69 anos, e suas idades variavam entre 34 e 88 anos. No grupo de comparação, a média era de 64 anos, também com idades entre 34 e 88 anos.
Sinais detectados, em média, 475 dias antes do diagnóstico
Ao analisar as imagens feitas antes do diagnóstico, o REDMOD identificou características associadas posteriormente ao câncer de pâncreas. O intervalo médio entre a detecção desses sinais e o diagnóstico clínico foi de 475 dias. Em outras palavras, o sistema encontrou padrões em imagens que haviam sido consideradas sem sinais claros de câncer, antes de os pacientes receberem o diagnóstico.
Esse intervalo pode ser importante porque talvez ofereça mais tempo para investigar casos preocupantes, caso estudos futuros confirmem que os sinais podem ser usados na prática clínica. Os pesquisadores consideram que detectar a doença quando ela ainda está localizada ou em estágio inicial pode melhorar as chances de tratamento e sobrevivência. Eles citaram modelos que estimam que aumentar de 10% para 50% a proporção de tumores localizados poderia mais do que duplicar as taxas de sobrevivência. Essa estimativa vem de uma modelagem, e não de um ensaio de tratamento realizado no próprio estudo do REDMOD.
É importante distinguir a identificação de um padrão numa imagem antiga da comprovação de que uma intervenção precoce, orientada por esse padrão, realmente melhora a saúde do paciente. O estudo compara a análise das imagens com o que aconteceu depois com os pacientes, mas, por si só, não prova que usar o sistema para detectar a doença mais cedo mudaria sua evolução ou prolongaria a vida. Para demonstrar isso, a ferramenta precisa ser testada em condições reais de atendimento, com acompanhamento dos efeitos das decisões sobre exames para detectar a doença e sobre o tratamento.
Desempenho superior ao dos radiologistas neste estudo
A sensibilidade do sistema foi de 73%, em comparação com 39% entre os radiologistas que analisaram as imagens. Nesse contexto, sensibilidade é a capacidade de um método de identificar as pessoas que realmente têm a doença, em vez de deixar casos passarem despercebidos. Assim, no conjunto de imagens estudado, o sistema foi mais eficaz para detectar os casos que receberam diagnóstico posteriormente.
A diferença foi ainda maior nas imagens feitas mais de dois anos antes do diagnóstico. Nesse grupo, o sistema identificou sinais da doença em 68% dos casos, enquanto os radiologistas os detectaram em 23%. O resultado sugere que a análise computacional talvez seja especialmente útil quando os sinais aparecem muito antes do diagnóstico. Ainda assim, trata-se de um achado do grupo estudado, e não de uma garantia de que o mesmo desempenho se repetirá em todos os hospitais ou entre todos os grupos de pacientes.
A avaliação não se limitou a verificar se o sistema reconhecia as imagens de pacientes que desenvolveram a doença. Os pesquisadores também o testaram num grupo independente de 539 pacientes de vários hospitais. O programa classificou pouco mais de 81% das imagens desse grupo como sem câncer. Além disso, foi avaliado num conjunto de dados disponibilizado aos pesquisadores pelos National Institutes of Health dos Estados Unidos, chamado NIH-PCT e formado por 80 pessoas. Nessa base, o sistema classificou 87,5% das imagens como sem sinais de câncer de pâncreas.
Essas medidas não são iguais à sensibilidade. Portanto, não é correto resumir os resultados num único número ou tratá-los como se descrevessem o mesmo aspecto do desempenho do sistema. A sensibilidade se refere à detecção da doença entre pessoas que a têm; os resultados dos grupos sem câncer mostram a capacidade de classificar imagens que não indicam a doença. Para avaliar o uso prático da ferramenta, é necessário considerar os dois tipos de resultado, pois deixar de identificar um caso ou emitir um alerta incorreto pode levar a decisões médicas diferentes.
Os sinais se mantiveram ao longo do tempo?
A equipe também investigou se os resultados eram estáveis quando havia imagens repetidas da mesma pessoa. Ao comparar exames feitos com alguns meses de intervalo, o sistema apresentou resultados compatíveis em 90 a 92% dos casos. Essa observação sugere que as características identificadas talvez correspondam a um padrão persistente, e não apenas a uma diferença passageira entre duas imagens.
Mesmo assim, a concordância entre exames repetidos não prova que todo padrão estável seja um sinal confirmado de câncer. Ela dá mais evidências de consistência do sistema, mas a questão central continua sendo se esses padrões conseguem prever a doença com precisão em pessoas examinadas antes de se conhecer sua evolução clínica. Para responder, é necessário um acompanhamento prospectivo e organizado, em vez de apenas analisar imagens de pessoas que, mais tarde, se descobriu que haviam desenvolvido câncer.
O que falta para a ferramenta chegar aos hospitais?
Apesar dos resultados promissores, os pesquisadores não recomendaram que o sistema fosse adotado imediatamente no atendimento habitual. Uma das limitações apontadas foi a falta de diversidade suficiente entre os participantes em relação à origem étnica. Isso é importante ao avaliar uma ferramenta médica, pois seu desempenho pode variar entre diferentes grupos da população. Não se pode presumir que resultados obtidos numa amostra específica se apliquem automaticamente a todas as pessoas.
Estudos futuros também precisam testar o sistema antes que o diagnóstico final seja conhecido, acompanhando grupos de pacientes segundo um plano claro. É especialmente importante avaliar pessoas com maior risco, como aquelas que apresentam perda de peso sem explicação ou que tiveram diagnóstico recente de diabetes. A menção a esses grupos não significa que toda pessoa com um desses sinais tenha câncer; indica apenas que, na avaliação dos pesquisadores, são grupos que merecem atenção ao estudar a utilidade da detecção precoce.
Também é preciso definir como o resultado do sistema seria usado nas decisões médicas: ele levaria à solicitação de outros exames? Como seriam investigados os casos que gerassem um alerta? Que grau de confiança seria necessário antes de tomar uma medida? O estudo não respondeu a essas perguntas. Além disso, o desempenho do programa em conjuntos específicos de imagens não revela, por si só, o efeito de sua integração à rotina diária nem como os resultados podem variar com diferentes equipamentos de imagem e condições de coleta de dados.
Por enquanto, o REDMOD continua sendo uma ferramenta em avaliação, e não um exame pronto para substituir o radiologista. Seu possível papel seria ajudar médicos a analisar imagens cujos detalhes sutis são difíceis de perceber. Para saber qual é seu benefício real, porém, são necessários testes diretos com grupos diversos, incluindo pessoas que não apresentem sinais confirmados de câncer no início do acompanhamento.
Conclusão
Os resultados do REDMOD mostram que a análise de detalhes sutis em tomografias pode identificar padrões associados ao câncer de pâncreas, em média, 475 dias antes do diagnóstico clínico. Nas imagens de 219 pacientes que receberam o diagnóstico mais tarde, a sensibilidade do sistema foi de 73%, contra 39% entre os radiologistas. Para os casos em que a imagem antecedeu o diagnóstico em mais de dois anos, o sistema detectou sinais em 68%, contra 23% entre os radiologistas. O programa também classificou mais de 81% das imagens de um grupo de 539 pessoas como sem câncer, e 87,5% das imagens do grupo NIH-PCT, composto por 80 pessoas, como sem sinais da doença. A concordância entre imagens repetidas dos mesmos pacientes ficou entre 90 e 92%.
Esses números ainda não tornam a tecnologia pronta para o uso rotineiro. São necessários estudos prospectivos com grupos mais diversos, com atenção especial às pessoas com maior risco, incluindo aquelas com perda de peso sem explicação ou diagnóstico recente de diabetes. Se futuras pesquisas confirmarem que os sinais são confiáveis e ajudam de fato a detectar a doença mais cedo, essa abordagem poderá ajudar a mudar o momento em que os médicos identificam um câncer difícil de detectar no início. Por enquanto, é um avanço de pesquisa promissor, que precisa ser confirmado antes de se tornar parte da prática médica.