El desarrollo, la seguridad y la viabilidad de una plataforma impulsada por inteligencia artificial (NodeAI) para la predicción en tiempo real de la malignidad de los ganglios linfáticos mediastínicos durante la estadificación por ultrasonido endobronquial para el cáncer de pulmón (NodeAI)

El cáncer de pulmón es la principal causa de muerte anual por cáncer en todo el mundo, más que los cánceres de mama, próstata y colon combinados. La estadificación de los ganglios linfáticos (LN) del tórax es un paso crucial en la vía de diagnóstico del cáncer de pulmón porque ayuda en las decisiones de tratamiento, ya sea que un paciente sea candidato para resección pulmonar, quimioterapia, radiación o tratamientos multimodales. La aspiración transbronquial con aguja por ultrasonido endobronquial (EBUS-TBNA) es el estándar actual para la estadificación de los ganglios torácicos para el cáncer de pulmón de células no pequeñas (NSCLC), y las directrices exigen que se realice de forma rutinaria un muestreo sistemático (SS) de al menos tres estaciones de LN torácicas para obtener resultados precisos. puesta en escena. Desafortunadamente, EBUS-TBNA arroja resultados inexactos en el 40% de los pacientes, lo que lleva a decisiones de tratamiento mal informadas. Esta proporción es mucho mayor en pacientes con NL triple normal [NL que parecen normales en tomografías computarizadas (TC), tomografías por emisión de positrones (PET) y EBUS], que se ha descubierto que tienen una probabilidad > 93 % de ser verdaderamente normales. benigno. Esto se debe a que EBUS-TBNA se basa en ultrasonido, cuyo éxito depende en gran medida de la habilidad de la persona que lo realiza (operador). Cuando el operador comete un error, todo el procedimiento queda en peligro. Esto provoca retrasos posteriores en el tratamiento debido a pruebas repetidas y decisiones de tratamiento mal informadas.

Durante la última década, el investigador ha estado realizando una serie de estudios y ensayos de investigación: el desarrollo y la validación de la puntuación de los ganglios linfáticos de Canadá (CLNS), una medida semicuantitativa de malignidad del NL obtenida por cirujanos; una versión del CLNS basada en inteligencia artificial (IA) para predecir malignidad; y una IA totalmente autónoma que aprendió a predecir enfermedades malignas directamente a partir de imágenes de ultrasonido, para introducir la IA en la vía de toma de decisiones en el NSCLC. Esto dio como resultado la creación de un software impulsado por inteligencia artificial para predecir la malignidad en los NL mediastínicos de pacientes con cáncer de pulmón. El software se encuentra actualmente alojado en el almacenamiento en la nube y sus aplicaciones están latentes, lo que significa que las imágenes de LN deben cargarse en el software y los resultados se reciben en el futuro. En su forma actual, el software no está listo para su aplicación clínica debido a esta latencia. En este proyecto, el investigador tiene como objetivo construir un dispositivo de punto de atención que albergará el software (NodeAI) y entregará resultados en tiempo real al cirujano, y este dispositivo se probará en un ensayo clínico.