I3LUNG: Ciência integrativa, plataforma de dados inteligente para tratamento individualizado do câncer de pulmão com imunoterapia

O projeto I3LUNG visa alcançar o mais alto desempenho em medicina personalizada por meio de Inteligência Artificial/Aprendizado de Máquina (AI/ML) modelado em dados multimodais de pacientes, juntamente com a implementação de um modelo AI/ML em um ambiente da vida real. Um conjunto de ferramentas de ML centradas no paciente projetadas e validadas para o projeto, que fazem uso da nova entidade AVATAR do paciente virtual para prever a progressão e o resultado. Para maximizar seu impacto, o uso da metodologia de IA explicável confiável integrará os desempenhos inerentes da IA ​​com a entrada da intuição humana para construir um aplicativo de IA responsável capaz de implementar totalmente decisões de tratamento verdadeiramente individualizadas em NSCLC interpretáveis ​​e confiáveis ​​para os médicos. O objetivo final é o estabelecimento de uma Plataforma Mundial de Compartilhamento e Elaboração de Dados (DSEP). O DSEP fornecerá ferramentas de orientação para os pacientes, fornecendo informações para gerar conscientização sobre os tratamentos. Por fim, dá acesso aos pesquisadores e à comunidade científica em geral às fontes de dados mais atualizadas sobre NSCLC.

Dentro do projeto I3LUNG, será desenvolvido um IPDAS ad-hoc para pacientes com NSCLC. Os auxiliares de decisão do paciente são ferramentas que podem ser usadas pelos pacientes antes ou durante uma consulta com os médicos. Os auxílios à decisão do paciente representam explicitamente a decisão a ser tomada e fornecem aos pacientes informações amigáveis ​​sobre cada opção de tratamento, concentrando-se nos danos e benefícios. Essa ferramenta pode permitir que os pacientes expliquem e esclareçam a alta complexidade das informações fornecidas pela abordagem AI/ML. Esses sistemas de apoio à decisão demonstraram ser eficazes em capacitar os pacientes, melhorar seu conhecimento, promover sua participação ativa na tomada de decisões clínicas sobre tratamentos e melhorar a satisfação geral do paciente com o atendimento, ao mesmo tempo em que diminui o conflito de decisão e o arrependimento de decisão (26-30).

Por fim, no âmbito do projeto I3LUNG será avaliado se a utilização do IPDAS durante a consulta clínica favoreceria a qualidade da tomada de decisão partilhada bem como a qualidade da comunicação médico-paciente. A par da avaliação do impacto do IPDAS, será também avaliado se a inclusão dos modelos preditivos AI/ML na prática clínica será um valor acrescentado no apoio à tomada de decisão clínica dos oncologistas e na diminuição da fadiga cognitiva e do conflito de decisão.

O I3LUNG adota uma abordagem em duas frentes para desenvolver um dispositivo médico por meio da criação e validação de modelos retrospectivos e prospectivos baseados em IA para prever a eficácia da imunoterapia para pacientes com NSCLC usando a integração de dados de várias fontes (palavras reais e dados multi-ômicos) por meio de uma análise retrospectiva - criação de uma plataforma transnacional de dados disponíveis de 2000 pacientes - e uma prospectiva - coleta de dados prospectiva multi-ômica em 200 pacientes NSCLS - fase de estudo.

A parte retrospectiva do projeto I3LUNG inclui a análise de uma coorte retrospectiva multicêntrica de mais de 2.000 pacientes. Esta coorte será usada para realizar uma fase preliminar de extração de conhecimento e construir um modelo preditivo retrospectivo para IO (R-Model), que será usado na fase de estudo prospectivo para criar uma primeira versão da ferramenta PDSS, uma ferramenta baseada em IA ferramenta para fornecer um acesso fácil e pronto para uso a modelos preditivos, aumentando a adequação dos cuidados, reduzindo os impactos negativos de tratamentos prolongados e tóxicos no bem-estar e nos custos de saúde. Além disso, tomografias computadorizadas e PET serão coletadas e uma primeira assinatura radiômica será criada para alimentar o R-Model.

A parte prospectiva do projeto inclui a coleta e a análise de dados multi-OMICs de uma coorte prospectiva multicêntrica de cerca de 200 pacientes. Esta coorte será usada para validar os resultados obtidos do modelo retrospectivo através da criação de um novo modelo (P-Model), que será usado para criar a ferramenta PDSS final.