IA para definição de risco de câncer de pulmão em programas de triagem por tomografia computadorizada

O cancro do pulmão constitui 28% de todas as mortes por cancro na Europa, com 70% dos pacientes diagnosticados em fases avançadas e uma taxa de sobrevivência de apenas 21% aos 5 anos. Apesar da ligação causal do tabagismo com quase 90% dos casos, as taxas globais de tabagismo persistem, representando um desafio de saúde pública a longo prazo. Nosso foco está em refinar a avaliação do risco de câncer de pulmão usando biomarcadores sanguíneos, particularmente microRNAs circulantes (miRNAs) e proteína C reativa. Os exames bienais de LDCT e os exames de sangue que preveem o risco de câncer de pulmão demonstraram eficácia, como visto em nosso trabalho pioneiro no ensaio BioMILD desde 2013.

O ensaio BioMILD, abrangendo 4.119 voluntários, combina biomarcadores LDCT e microRNA, demonstrando viabilidade e segurança ao longo de 4 anos. Nosso esforço atual visa desenvolver um modelo preditivo para nódulos pulmonares de alto risco detectados por LDCT, incorporando biomarcadores sanguíneos, funcionais e radiômicos. Aproveitando o biorrepositório, o banco de dados de imagens e 20 xenoenxertos derivados de pacientes (PDXs) do estudo BioMILD, utilizamos ferramentas avançadas de inteligência artificial (IA) para análises abrangentes. Esta abordagem, envolvendo 400 indivíduos com nódulos pulmonares sólidos e subsólidos por LDCT, incluindo 100 pacientes com câncer identificados na linha de base, é crucial.

Ao combinar biomarcadores sanguíneos, parâmetros radiológicos, características clínicas e ferramentas de IA, pretendemos criar um modelo robusto. Este modelo será validado usando um conjunto independente de 100 indivíduos (25 com e 75 sem câncer de pulmão) do ensaio de triagem SMILE em andamento. Se for bem sucedido, a nossa visão é implementar prospectivamente este painel em contextos clínicos onde se revele benéfico. A nossa missão é reduzir a mortalidade por cancro do pulmão, otimizando as intervenções de rastreio com ferramentas novas e não invasivas para todos os indivíduos de alto risco, ao mesmo tempo que minimizamos os custos e os danos relacionados com a exposição à radiação.

Objetivo 1 Avaliação de um classificador de assinatura imunológica (ISC) em amostras de células mononucleares do sangue periférico (PBMC) coletadas de nódulos pulmonares LDCT sólidos e subsólidos detectados na tela e integração de ISC com biomarcadores existentes, como o teste MSC e a proteína c-reativa (RPC).

Objetivo 2 Avaliação de características radiológicas e outros marcadores de LDCT relacionados a distúrbios respiratórios e cardiovasculares.

Objetivo 3 Desenvolvimento de um classificador de risco usando ferramentas de IA baseadas na combinação de biomarcadores sanguíneos, imagens e dados clínicos para melhorar a sensibilidade da triagem por LDCT e o valor preditivo positivo.