Lo sviluppo, la sicurezza e la fattibilità di una piattaforma basata sull'intelligenza artificiale (NodeAI) per la previsione in tempo reale della malignità del linfonodo mediastinico durante la stadiazione ecografica endobronchiale per il cancro del polmone (NodeAI)

Il cancro del polmone è la principale causa di morte annuale per cancro a livello globale, più dei tumori al seno, alla prostata e al colon messi insieme. La stadiazione dei linfonodi toracici (LN) è un passaggio cruciale nel percorso diagnostico del cancro del polmone perché aiuta nelle decisioni terapeutiche, indipendentemente dal fatto che un paziente sia candidato alla resezione polmonare, alla chemioterapia, alle radiazioni o ai trattamenti multimodali. L'agoaspirato transbronchiale con ecografia endobronchiale (EBUS-TBNA) è lo standard attuale per la stadiazione dei linfonodi toracici del cancro polmonare non a piccole cellule (NSCLC) e le linee guida impongono che il campionamento sistematico (SS) di almeno 3 stazioni LN del torace venga eseguito di routine per un'analisi accurata messa in scena. Sfortunatamente, l’EBUS-TBNA produce risultati imprecisi nel 40% dei pazienti, portando a decisioni terapeutiche male informate. Questa proporzione è molto più elevata nei pazienti con LN triplo normali [LN che appaiono normali nelle scansioni di tomografia computerizzata (CT), tomografia a emissione di positroni (PET) ed EBUS], che hanno dimostrato di avere una probabilità > 93% di essere veramente benigno. Questo perché l'EBUS-TBNA si basa sugli ultrasuoni, il cui successo dipende molto dall'abilità di chi lo esegue (operatore). Quando l'operatore commette un errore, l'intera procedura viene compromessa. Ciò provoca ritardi nel trattamento a valle dovuti a ripetuti test e decisioni terapeutiche mal informate.

Negli ultimi dieci anni, il ricercatore ha condotto una serie di studi e sperimentazioni di ricerca: lo sviluppo e la validazione del Canada Lymph Node Score (CLNS) - una misura semiquantitativa della malignità del LN derivata dal chirurgo; una versione del CLNS basata sull’intelligenza artificiale (AI) per prevedere la malignità; e un’intelligenza artificiale completamente autonoma che ha imparato a prevedere la malignità direttamente dalle immagini ecografiche, per introdurre l’intelligenza artificiale nel percorso decisionale nel NSCLC. Ciò ha portato alla creazione di un software basato sull’intelligenza artificiale per prevedere la malignità nei LN mediastinici dei pazienti con cancro ai polmoni. Il software è attualmente ospitato nel cloud storage e le sue applicazioni sono latenti, il che significa che le immagini LN devono essere caricate nel software e i risultati verranno ricevuti in un secondo momento. Nella sua forma attuale, il software non è pronto per l'applicazione clinica a causa di questa latenza. In questo progetto, il ricercatore mira a costruire un dispositivo per il punto di cura che ospiterà il software (NodeAI) e fornirà risultati in tempo reale al chirurgo, e questo dispositivo sarà testato in uno studio clinico.