Inteligência Artificial e Radiologistas na Detecção do Câncer de Próstata em IRM: O Desafio PI-CAI

O câncer de próstata (CaP) é um dos cânceres mais prevalentes em homens em todo o mundo. Um milhão de homens recebem um diagnóstico e 300.000 morrem de CaP clinicamente significativo (csPCa) (definido como ISUP≥2), a cada ano, em todo o mundo. A ressonância magnética multiparamétrica (mpMRI) está desempenhando um papel cada vez mais importante no diagnóstico precoce do câncer de próstata e tem sido recomendada pela Associação Europeia de Urologia (EAU), antes das biópsias. No entanto, as diretrizes atuais para a leitura da mpMRI da próstata (ou seja, PI-RADS v2.1) segue uma avaliação semiquantitativa que exige experiência substancial para uso adequado. Isso pode levar a uma baixa concordância entre leitores (<50%), interpretação abaixo do ideal e diagnóstico excessivo.

Algoritmos modernos de inteligência artificial (IA) abriram caminho para poderosos sistemas de detecção e diagnóstico auxiliados por computador (CAD) que rivalizam com o desempenho humano na análise de imagens médicas. Os ensaios clínicos são o padrão-ouro para avaliar novos medicamentos e intervenções de maneira controlada e comparativa, e o equivalente para desenvolver algoritmos de IA são competições internacionais ou "grandes desafios", onde conjuntos de dados cada vez maiores são divulgados ao público para resolver tarefas clinicamente relevantes com IA . Grandes desafios podem abordar a falta de confiança, evidência científica e validação adequada entre as soluções de IA, fornecendo os meios para comparar algoritmos entre si usando conjuntos de dados comuns e uma configuração experimental unificada.

PI-CAI (Prostate Imaging: Cancer AI) é um grande desafio totalmente novo, com mais de 10.000 exames de ressonância magnética de próstata cuidadosamente selecionados para validar algoritmos modernos de IA e estimar o desempenho dos radiologistas na detecção e diagnóstico de csPCa. Os principais aspectos do desenho do estudo foram estabelecidos em conjunto com um conselho consultivo científico internacional e multidisciplinar (16 especialistas em IA da próstata, radiologia e urologia) - para unificar e padronizar as diretrizes atuais e garantir a validação significativa da próstata - IA rumo à tradução clínica.

A edição de 2022 do PI-CAI se concentrará na validação da IA ​​na detecção e diagnóstico 3D automatizado de csPCa em bpMRI. O PI-CAI consiste principalmente em dois subestudos:

• AI Study (Grand Challenge): Um conjunto de dados multicêntrico e multifornecedor anotado de exames de 1500 bpMRI (incluindo suas variáveis ​​clínicas e de aquisição) é disponibilizado publicamente para todas as equipes participantes e para a comunidade de pesquisa em geral. As equipes podem usar esse conjunto de dados para desenvolver modelos de IA e enviar seus algoritmos treinados (em contêineres do Docker) para avaliação. No final desta fase de desenvolvimento aberto, todos os algoritmos são classificados com base em seu desempenho em uma coorte de teste oculta de 1.000 varreduras não vistas. Na fase de teste fechado, os organizadores treinam novamente os 5 algoritmos de IA de classificação mais alta usando um conjunto de dados maior de varreduras de 7500-9500 bpMRI (incluindo varreduras de treinamento adicionais de um conjunto de dados privado). Por fim, seu desempenho é reavaliado na coorte de testes ocultos (com análises estatísticas rigorosas), para determinar os 3 principais algoritmos de IA para detecção e diagnóstico 3D automatizado de csPCa em bpMRI (ou seja, os vencedores do grande desafio).
• Estudo do leitor: mais de 50 radiologistas internacionais de próstata realizam um estudo do leitor usando um subconjunto de 400 varreduras da coorte de testes ocultos. Para cada caso, os radiologistas completam suas avaliações em duas rodadas. A princípio, usando variáveis ​​clínicas e de aquisição mais sequências de bpMRI apenas, permitindo comparações frente a frente com IA treinadas nas mesmas. E então, usando variáveis ​​clínicas e de aquisição mais sequências completas de mpMRI, permitindo comparações entre IA e a prática clínica atual (PI-RADS v2.1). No geral, o objetivo deste estudo é estimar o desempenho do radiologista médio na detecção e diagnóstico de csPCa na ressonância magnética.

No final, o PI-CAI visa comparar algoritmos de IA de última geração desenvolvidos no grande desafio, contra radiologistas de próstata participantes do estudo do leitor - para avaliar a viabilidade clínica de soluções modernas de IA de próstata na detecção e diagnóstico de csPCa em ressonância magnética.