Uma plataforma de IA que integra dados e modelos de imagem, oferecendo suporte a cuidados de precisão por meio do continuum do câncer de próstata (ProCAncer-I)

Na Europa, o câncer de próstata (CaP) é o segundo tipo de câncer mais frequente em homens e o terceiro mais letal. As práticas clínicas atuais, muitas vezes levando ao superdiagnóstico e ao supertratamento de tumores indolentes, sofrem de falta de precisão.

Isso exige modelos avançados de Inteligência Artificial (IA) para decifrar padrões de imagens médicas não intuitivas e de alto nível e aumentar o desempenho na discriminação precoce de doenças indolentes de agressivas. Isso se estende a esses modelos também prevendo a recorrência, detectando metástases e prevendo a eficácia das terapias. Até o momento, os esforços neste campo são fragmentados, com base em conjuntos de dados de uma única instituição, limitados por tamanho e específicos do fornecedor, enquanto os conjuntos de dados públicos de PCa disponíveis são apenas algumas centenas de casos, impossibilitando a generalização do modelo.

O projeto ProCAncer-I reúne 13 parceiros (o consórcio), incluindo The Royal Marsden NHS Foundation Trust (RMH), centros de PCa, líderes mundiais em IA e empresas inovadoras com experiência reconhecida em seus respectivos domínios. O objetivo é projetar, desenvolver e sustentar uma infraestrutura de imagem europeia segura baseada em nuvem com ferramentas e serviços para manipulação de dados. A plataforma hospeda a maior coleção de varreduras de ressonância magnética multiparamétrica (mpMRI) de PCa e dados de imagens anônimas em todo o mundo, com mais de 17.000 casos, com base em dados retrospectivos e prospectivos do consórcio, de acordo com a legislação da UE (GDPR).

Modelos robustos de IA serão desenvolvidos, baseados em novas metodologias de aprendizado, levando a modelos de IA que abordarão nove cenários clínicos de PCa. Para acelerar a adoção clínica de modelos de IA de PCa, o projeto se concentra em melhorar a confiança nas soluções de IA com relação à justiça, segurança, explicabilidade e reprodutibilidade. Métricas para monitorar o desempenho do modelo estão sendo desenvolvidas para aumentar ainda mais a confiança clínica e informar sobre possíveis falhas e erros, validando a eficácia dos modelos baseados em IA para a tomada de decisões clínicas.