Inteligência Artificial no Combate ao Câncer de Pulmão: Precisão Aprimorada no Diagnóstico
A dificuldade em distinguir entre casos não cancerosos, benignos e malignos de câncer de pulmão sempre representou um desafio diagnóstico significativo, devido às características clínicas e de imagem sobrepostas. No entanto, um estudo recente propõe uma solução inovadora: um sistema de aprendizado de máquina multimodal que integra dados de tomografia por emissão de pósitrons/tomografia computadorizada (PET/CT), marcadores de sarcopenia e biomarcadores inflamatórios para melhorar a precisão na classificação do câncer de pulmão.
A pesquisa analisou dados retrospectivos de 222 pacientes, considerando variáveis demográficas, índices de sarcopenia (funcionais e morfométricos), marcadores hematológicos de inflamação e parâmetros derivados de PET/CT, como o valor de captação padronizado máximo e médio (SUVmax, SUVmean), volume metabólico do tumor (MTV) e glicólise total da lesão (TLG). Foram avaliados cinco algoritmos de aprendizado de máquina – Regressão Logística, Perceptron Multicamadas, Máquina de Vetores de Suporte, Extreme Gradient Boosting e Random Forest – utilizando métricas de desempenho padronizadas. A técnica Synthetic Minority Oversampling foi aplicada para equilibrar as distribuições das classes.
Entre os modelos testados, o Random Forest se destacou, demonstrando um desempenho preditivo superior com uma precisão de teste de 96%, precisão, recall e F1-score de 0,96, e uma AUC média de 0,99. A análise de importância de recursos revelou que SUVmax, SUVmean, glicólise total da lesão e índice de massa muscular esquelética são preditores importantes. Uma segunda classificação, utilizando apenas os 15 principais recursos, resultou em uma precisão de teste ainda maior (97%). Esses resultados enfatizam o potencial da integração de imagens metabólicas, função física e marcadores bioquímicos de inflamação em um pipeline de diagnóstico não invasivo baseado em aprendizado de máquina, oferecendo uma ferramenta de suporte à decisão clínica eficaz no diagnóstico precoce e na estratificação de risco do câncer de pulmão. A capacidade de identificar com precisão o câncer de pulmão em seus estágios iniciais pode levar a melhores resultados de tratamento e aumentar as chances de sobrevivência dos pacientes.
Origem: Link