Estudio sobre mejora de la detección del cáncer de pulmón temprano en una población diversa (IDEAL) (IDEAL)

El cáncer de pulmón sigue siendo la principal causa de muerte por cáncer en Canadá y en todo el mundo. Se ha demostrado que la detección mediante tomografía computarizada de dosis baja (LDCT) es una medida rentable para salvar vidas en personas que han fumado mucho, según varios ensayos de control aleatorios de gran tamaño. La evidencia llevó a la implementación de la prueba de detección del cáncer de pulmón mediante LDCT en Canadá para personas que han fumado mucho en el pasado o que todavía fuman. Sin embargo, más del 50% de los pacientes que desarrollan cáncer de pulmón en la actualidad no cumplirían con los criterios de elegibilidad de detección actuales. Se necesita con urgencia una estrategia para identificar a las personas que actualmente no son elegibles para las pruebas de detección pero que tienen un alto riesgo de padecer cáncer de pulmón. Mientras tanto, estudios recientes han demostrado que los pacientes con nódulos pulmonares incidentales (NPI) a menudo no cumplen con los criterios de detección de LDCT. Estos pacientes, a pesar de tener un mayor riesgo de cáncer de pulmón, a la mayoría nunca se les realiza un seguimiento en el ámbito clínico. Esto representa una oportunidad importante para abordar el desafío emergente de la detección temprana del cáncer de pulmón y, al mismo tiempo, abordar el eslabón perdido entre las IPN y el cáncer de pulmón.

Objetivo.

Nuestro estudio propuesto tendrá dos objetivos importantes: (a) identificar a las personas con alto riesgo de cáncer de pulmón que se beneficiarían de la detección por LDCT pero que actualmente no son elegibles; (b) proporcionar el marco para tratar a los pacientes con nódulos pulmonares incidentales con un seguimiento adecuado basado en una interpretación precisa de la tomografía computarizada de tórax que ya está disponible.

Objetivos específicos

i) Desarrollar el marco para evaluar el riesgo de cáncer de pulmón de los pacientes con NPI; (ii) Desarrollar y validar una prueba de aliento exhalado para identificar personas de alto riesgo que no cumplen con los criterios de elegibilidad actuales para la detección de LDCT; (iii) Validar prospectivamente un panel de proteínas sanguíneas circulantes para personalizar el manejo de nódulos pulmonares incidentales; (iv) Mejorar la precisión y coherencia de la lectura de tomografías computarizadas de tórax con nódulos pulmonares incidentales para mejorar la detección temprana del cáncer de pulmón; (v) Evaluar los beneficios económicos y de salud de un enfoque multimodal para el tratamiento de los nódulos pulmonares incidentales.

Métodos. En total, se reclutarán 3600 participantes entre ambos brazos del estudio.

Como los pacientes con IPN representan una población de alto riesgo, no elegible para exámenes de detección y generalmente desatendida, estableceremos una cohorte de IPN multiprovincial basada en 3600 pacientes con IPN de 3 provincias: Columbia Británica, Ontario y Quebec. Para Breathomics, llevaremos a cabo una investigación exhaustiva de compuestos orgánicos volátiles utilizando tecnología de punta y espectrometría de cromatografía de gases de masas precisa de alta resolución. Las firmas de aliento se validarán utilizando muestras de aliento de prediagnóstico en la cohorte de IPN y probarán la utilidad clínica con un dispositivo móvil en el punto de atención. Validaremos el panel de proteínas circulantes de forma prospectiva y evaluaremos el riesgo absoluto de cáncer de pulmón en la cohorte IPN para establecer los umbrales de riesgo para la aplicación clínica. Paralelamente, desarrollaremos un algoritmo de aprendizaje profundo basado en imágenes LDCT para mejorar la clasificación de IPN. Se realizará un análisis económico de la salud sobre la utilidad clínica de estas herramientas.

Significado:

La población del IPN nos brinda una oportunidad de aprendizaje sin explotar para mejorar la detección temprana del cáncer de pulmón. La identificación de personas que actualmente no son elegibles para la detección pero que tienen un alto riesgo de cáncer de pulmón nos permite utilizar inteligencia artificial y otros biomarcadores para predecir el cáncer de pulmón a partir de una única TC de tórax ya disponible.