Sistema novedoso, integral, asequible, en el punto de atención y respaldado por IA para la detección, clasificación y selección de tratamientos para el cáncer de cuello uterino en países de ingresos bajos y medianos (EASTER)

El cáncer de cuello uterino es un importante desafío de salud pública que mata a más de 300.000 mujeres anualmente en el período más productivo de sus vidas y afecta de manera desproporcionada a las mujeres en los países de ingresos bajos y medianos. Incluso en países desarrollados como Estados Unidos, la disparidad entre las poblaciones de bajos y altos ingresos es sorprendente. Una muerte por cáncer de cuello uterino altera drásticamente la dinámica familiar y social. En el África subsahariana (ASS), por cada 100 mujeres que mueren a causa del cáncer de cuello uterino, entre 14 y 30 niños mueren como consecuencia indirecta. De hecho, la mortalidad por cáncer de cuello uterino es un impedimento real para alcanzar el Objetivo de Desarrollo Sostenible de la OMS de reducir en un tercio la mortalidad prematura por enfermedades no transmisibles (ENT) antes de 2030. La OMS también adoptó recientemente una resolución para eliminar el cáncer de cuello uterino a nivel mundial. Si bien la vacuna contra el VPH respaldará sin duda esta ambición para la próxima generación de niñas, esta visión también exige un programa eficaz de detección y tratamiento. Sin embargo, los regímenes actuales de detección, investigación y tratamiento de los países de ingresos bajos y medianos, especialmente, son profundamente defectuosos y no se adoptan ampliamente.

El proyecto EASTER tiene como objetivo seguir desarrollando y validando dos nuevas tecnologías para la detección y el diagnóstico del cáncer de cuello uterino: (i) detección del virus del papiloma humano (VPH) en orina con espectroscopia, y (ii) diagnóstico con tecnología asistida por inteligencia artificial de NSV, una empresa privada. compañía. El proyecto reclutará a 3200 mujeres y las examinará para detectar el VPH.

El proyecto se implementará en dos partes. Parte 1. Mejora tecnológica para lograr dos mejoras clave.

• Mejorar el rendimiento de la espectroscopia y la IA para detectar el VPH-hr en muestras de orina.
• Mejorar el rendimiento del dispositivo n-Gyn y la IA para capturar las imágenes cervicales e interpretarlas.

Parte 2. En la segunda parte del estudio, los investigadores probarán la funcionalidad y eficacia de los algoritmos y dispositivos de IA desarrollados durante la Parte 1 en el mismo entorno en Zimbabwe. El sistema desarrollado de interpretación de muestras de orina con IA se evaluará como una prueba de detección para detectar lesiones CIN2+ y se comparará con una prueba de detección de VPH validada. La precisión diagnóstica de IA del sistema n-Gyn para detectar lesiones CIN2+ basadas en imágenes cervicales capturadas se evaluará como una prueba de clasificación para mujeres VPH positivas en la detección de lesiones CIN 2+ confirmadas histopatológicamente.

Configuraciones, procedimientos y análisis:

El proyecto EASTER (Parte 1 y Parte 2) se implementará en dos policlínicos de detección (Epworth y Mbare) en Harare, donde las mujeres son sometidas a pruebas de detección de forma rutinaria (con un promedio del 15% de participantes de WLHIV). A las mujeres de 25 a 49 años que acepten participar y firmar los correspondientes formularios de consentimiento aprobados por la Junta de Revisión Institucional (IRB) se les solicitará que proporcionen dos muestras recolectadas por ellas mismas, 1) una primera muestra de orina por micción y 2) una muestra vaginal recolectada por ellas mismas. Las muestras de reclutamiento se someterán a pruebas de VPH con Ampfire. Las mujeres con VPH positivo en cualquiera de las muestras serán remitidas a una colposcopia para determinar la enfermedad.

El colposcopista examinará las imágenes cervicales en la pantalla n-Gyn e, independientemente de la IA, documentará la visibilidad y ubicación de la SCJ, el tipo de TZ, la puntuación sueca, el sitio más apropiado para tomar la biopsia (si hay alguna anomalía presente) y la idoneidad para tratamiento por ablación. Se obtendrán imágenes secuenciales de la zona de transformación antes y después de la limpieza con solución salina normal y luego después de aplicar ácido acético al 5% durante un minuto. Se utilizarán aumentos apropiados para permitir la delineación de la SCJ e identificar la peor área de sospecha de anomalía. Se capturará una imagen final después de la aplicación del yodo de Lugol. Después de que se hayan recopilado las imágenes, el médico tomará al menos una biopsia por punción del sitio más anormal que él/ella determine. Si no hay lesión visible, las biopsias se obtendrán de las posiciones de las 6 y las 12 en punto más cercanas a la SCJ. Todos los portaobjetos de histopatología serán examinados por patólogos de Lancet Laboratories en Harare. El paciente será tratado según el protocolo de manejo local.

Las mujeres serán tratadas de acuerdo con el diagnóstico clínico de coloscopia: las mujeres sin lesión visible saldrán del estudio en este punto. Las mujeres con lesiones visibles serán tratadas con ablación térmica si son elegibles o LLETZ si es necesario y saldrán del estudio. Las mujeres diagnosticadas con cáncer serán remitidas al sistema regular para su manejo adecuado y saldrán del estudio.

La gestión de datos y la supervisión del estudio serán responsabilidad de la Agencia Internacional para la Investigación del Cáncer (IARC) y de los investigadores principales locales, que son investigadores experimentados en VPH.

El resultado de interés principal para la evaluación estática será la neoplasia intraepitelial cervical de grado 2 o peor (CIN2+) confirmada histológicamente, incluidas las lesiones CIN2 positivas para p16. Para la Parte I, nuestros análisis se centrarán en la concordancia entre la detección del VPH-hr mediante análisis espectroscópico de orina y mediante Ampfire HPV, que se probará utilizando la estadística kappa de Cohen. La espectroscopia se considerará tan buena como la prueba de VPH para definir los resultados de la prueba si se logra un kappa de 0,7 (80% de acuerdo). Para la Parte 2, se utilizarán formulaciones estándar para calcular las características de rendimiento de la prueba (sensibilidad/especificidad). Para la comparación de las características de rendimiento de las pruebas de detección, si ẟ es la sensibilidad (o especificidad relativa) hipotética, se inferirá la equivalencia de las dos pruebas si el verdadero riesgo relativo está dentro del intervalo (ẟ a 1/ẟ) . La prueba de proporciones se utilizará para evaluar si las características de desempeño de las pruebas de clasificación no son diferentes del valor hipotético.