TC senza contrasto assistita da intelligenza artificiale per lo screening multitumorale

Il cancro è diventato un grave problema di salute pubblica in Cina, colpendo gravemente la salute della popolazione, l’economia e lo sviluppo sociale. Nel 2022 si sono verificati circa 4,82 milioni di nuovi casi di cancro e 2,57 milioni di decessi correlati al cancro. Il cancro al polmone, il cancro al fegato, il cancro gastrico, il cancro del colon-retto, il cancro esofageo, il cancro al pancreas e il cancro al seno sono le sette principali cause di mortalità correlata al cancro. Una strategia efficace di rilevamento precoce consentirebbe ai pazienti di ricevere interventi tempestivi, migliorare i risultati del trattamento, aumentare la sopravvivenza globale e ridurre la complessità e i costi del trattamento.

In questo studio, condurremo uno studio di coorte multicentrico, prospettico e su larga scala, con l'obiettivo di valutare l'utilità della TC senza contrasto assistita dall'intelligenza artificiale per lo screening multitumorale. La popolazione è composta da individui che sono stati sottoposti a scansioni TC addominali o toraciche senza contrasto presso il Meinian Onehealth Health Examination Center o lo Shanghai Changhai Health Examination Center, con un'iscrizione prevista di 1 milione di partecipanti. Un modello di screening multi-cancro tramite TC senza contrasto, sviluppato da Alibaba DAMO Academy, sarà integrato nel sistema PACS dei centri di esame sanitario. Il modello di intelligenza artificiale di imaging verrà utilizzato per rilevare automaticamente varie lesioni cancerose, tra cui cancro ai polmoni, cancro al fegato, cancro gastrico, cancro del colon-retto, cancro esofageo, cancro al pancreas e cancro al seno. I soggetti identificati con lesioni positive dal modello AI dovranno essere indirizzati all'ospedale di Shanghai Changhai per ulteriori esami di imaging (come TC con mezzo di contrasto, risonanza magnetica, endoscopia, ecc.) per confermare lo stato finale della malattia e formulare un piano di trattamento. Inoltre, l’équipe medica dovrebbe seguire percorsi di cura sviluppati sulla base delle linee guida del NCCN e dell’ACR e, se necessario, i pazienti verranno indirizzati alla clinica del team multidisciplinare (MDT) per specifici tipi di cancro per determinare le procedure diagnostiche. L’obiettivo finale di questo studio è valutare in modo completo i parametri di prestazione diagnostica del modello AI per ciascuno dei sette tipi di cancro individualmente. Queste metriche includono, ma non sono limitate a, sensibilità, specificità e valore predittivo positivo/negativo. Particolare enfasi sarà posta sulla valutazione dell'efficacia del modello nell'individuazione di tumori resecabili in stadio iniziale. L’obiettivo generale è determinare se l’implementazione di questo approccio di screening assistito dall’intelligenza artificiale potrebbe potenzialmente portare a un miglioramento dei tassi di sopravvivenza globale attraverso una diagnosi e un intervento tempestivi.