Radiômica e aprendizado de máquina no diagnóstico de massas ovarianas (Multi-AROMA)

O correto diagnóstico diferencial entre massas anexiais benignas e malignas é o principal objetivo do diagnóstico ultrassonográfico pré-operatório e é muito importante para planejar o tratamento correto do paciente em termos de equipe cirúrgica (ginecologista oncologista ou centro de patologia benigna), acesso cirúrgico (laparoscopia/laparotomia). ) e tipo de cirurgia (conservadora/demolitiva).

Vários modelos de ultrassom foram desenvolvidos para ajudar os ginecologistas a definir o risco de malignidade das massas anexiais. Para utilizar os modelos preditivos, o examinador teve que coletar certas características ultrassonográficas da lesão que, integradas às características clínicas e/ou bioquímicas do paciente, proporcionassem risco de malignidade da massa.

Recentemente a radiômica vem despontando como uma ferramenta interessante para ser aplicada em diagnósticos por imagem (tomografia computadorizada, ressonância magnética e até ultrassonografia). Radiômica é a avaliação de imagens através de software complexo que permite ‘ler’ as características intrínsecas do tecido identificando aspectos que não são visíveis pela interpretação subjetiva do operador, de forma totalmente automatizada e portanto reprodutível.

A radiômica aplicada à inteligência artificial para a criação de modelos preditivos representa uma ferramenta interessante para superar as limitações dos modelos anteriores, pelo menos em parte dependentes da experiência do operador.

Entre os cânceres de ovário serosos, aqueles com mutação no gene BRCA representam um subgrupo interessante e são caracterizados por uma história fisiopatológica diferente dos tumores do tipo selvagem devido à maior quimiossensibilidade e à possibilidade de tratamento direcionado com drogas antiangiogênicas e inibidores de PARP.

A aplicação da radiômica às imagens ultrassonográficas pré-operatórias poderia identificar tumores com mutação BRCA antes do planejamento cirúrgico (análise radiogenômica) e permitir um tratamento personalizado.

O objetivo do estudo é validar um modelo preditivo para definir o risco de malignidade de massas anexiais que os investigadores desenvolveram na Fondazione IRCCS Istituto Nazionale dei Tumori di Milano.

O modelo, baseado na integração da radiômica e da inteligência artificial, utiliza um software complexo capaz de ‘ler’ as imagens ultrassonográficas de forma totalmente automática e é capaz de estimar o risco de malignidade da massa.

Se a paciente decidir participar do estudo clínico, a paciente será submetida a ultrassonografia transvaginal (eventualmente complementada por ultrassonografia transabdominal em caso de grandes massas anexiais, se os pacientes forem virgens ou se os pacientes recusarem a abordagem transvaginal por qualquer motivo). Este exame faz parte da avaliação pré-operatória de rotina da patologia anexial e, portanto, os pacientes não precisam ser submetidos a nenhum exame clínico, bioquímico ou de imagem adicional, conforme diretrizes nacionais e internacionais.

Posteriormente, as imagens armazenadas durante a ultrassonografia pré-operatória serão exportadas em formato anônimo do sistema de ultrassom e enviadas ao centro coordenador (Fondazione IRCCS Istituto Nazionale dei Tumori di Milano). Lá, as imagens serão submetidas à análise radiômica através da aplicação de software dedicado; isso permitirá avaliar as características intrínsecas do tecido de acordo com diferentes parâmetros (forma, intensidade, grau de heterogeneidade e muitos outros) dos 'pixels' (pontos cinza) que constituem a imagem ultrassonográfica.

Esta análise, uma vez validada, fornecerá aos médicos uma ferramenta adicional para identificar massas anexiais malignas antes da cirurgia.

Se o diagnóstico histológico final for de câncer epitelial seroso de ovário, através do uso do mesmo software radiômico descrito acima, os investigadores tentarão identificar as características intrínsecas do tecido associadas à presença ou ausência da mutação BRCA 1 ou 2