Apesar dos grandes avanços na genética e na imagem moderna, o diagnóstico pega de surpresa a maioria das pacientes com câncer de mama. Para alguns, chega tarde demais. O diagnóstico posterior significa tratamentos agressivos, resultados incertos, e mais despesas médicas. Como resultado, identificar pacientes tem sido um pilar central da pesquisa do câncer de mama e detecção precoce eficaz.

Com aquilo em mente, uma equipe do Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL) e do Hospital Geral de Massachusetts (MGH) criou um novo modelo de aprendizado profundo que pode prever a partir de uma mamografia se um paciente tem probabilidade de desenvolver câncer de mama em até cinco anos no futuro. Treinado em mamografias e resultados conhecidos de mais de 60 anos, 000 pacientes com MGH, o modelo aprendeu os padrões sutis no tecido mamário que são precursores de tumores malignos.

Professora Regina Barzilay do MIT, ela mesma uma sobrevivente do câncer de mama, diz que a esperança é que sistemas como esses permitam aos médicos personalizar programas de rastreamento e prevenção em nível individual, tornando o diagnóstico tardio uma relíquia do passado.

Embora a mamografia tenha mostrado reduzir a mortalidade por câncer de mama, há um debate contínuo sobre a freqüência de triagem e quando iniciar. Embora a American Cancer Society recomende exames anuais a partir dos 45 anos, a Força-Tarefa Preventiva dos EUA recomenda a triagem a cada dois anos a partir dos 50 anos.

"Em vez de adotar uma abordagem de tamanho único, podemos personalizar o rastreamento em torno do risco de uma mulher desenvolver câncer, "diz Barzilay, autor sênior de um novo artigo sobre o projeto publicado hoje na Radiologia. "Por exemplo, um médico pode recomendar que um grupo de mulheres faça uma mamografia a cada dois anos, enquanto outro grupo de alto risco pode obter exames complementares de ressonância magnética. "Barzilay é professor de eletrônica da Delta no CSAIL e do Departamento de Engenharia Elétrica e Ciência da Computação no MIT e membro do Instituto Koch para Pesquisa Integrativa do Câncer no MIT.

O modelo da equipe foi significativamente melhor na previsão de risco do que as abordagens existentes:ele colocou com precisão 31 por cento de todos os pacientes com câncer em sua categoria de maior risco, em comparação com apenas 18% dos modelos tradicionais.

A professora Constance Lehman de Harvard afirma que anteriormente havia um apoio mínimo na comunidade médica para as estratégias de rastreamento baseadas no risco, e não na idade.

"Isso ocorre porque antes não tínhamos ferramentas precisas de avaliação de risco que funcionassem para mulheres individualmente, "diz Lehman, professor de radiologia na Harvard Medical School e chefe da divisão de imagens de mama do MGH. "Nosso trabalho é o primeiro a mostrar que é possível."

Barzilay e Lehman co-escreveram o artigo com o autor principal Adam Yala, um CSAIL Ph.D. estudante. Outros co-autores do MIT incluem Ph.D. o aluno Tal Schuster e a ex-aluna de mestrado Tally Portnoi.

Como funciona

Desde o primeiro modelo de risco de câncer de mama de 1989, o desenvolvimento tem sido amplamente impulsionado pelo conhecimento humano e pela intuição de quais podem ser os principais fatores de risco, como idade, história familiar de câncer de mama e ovário, fatores hormonais e reprodutivos, e densidade mamária.

Contudo, a maioria desses marcadores está apenas fracamente correlacionada com o câncer de mama. Como resultado, esses modelos ainda não são muito precisos no nível individual, e muitas organizações continuam a sentir que os programas de triagem baseados em risco não são possíveis, dadas essas limitações.

Em vez de identificar manualmente os padrões em uma mamografia que causam câncer no futuro, a equipe do MIT / MGH treinou um modelo de aprendizado profundo para deduzir os padrões diretamente dos dados. Usando informações de mais de 90, 000 mamografias, o modelo detectou padrões sutis demais para serem detectados pelo olho humano.

"Desde os anos 1960, os radiologistas notaram que as mulheres têm padrões únicos e amplamente variáveis ​​de tecido mamário visíveis na mamografia, "diz Lehman." Esses padrões podem representar a influência da genética, hormônios, gravidez, lactação, dieta, perda de peso, e ganho de peso. Agora podemos aproveitar essas informações detalhadas para sermos mais precisos em nossa avaliação de risco no nível individual. "

Tornando a detecção do câncer mais justa

O projeto também visa tornar a avaliação de risco mais precisa para as minorias raciais, em particular. Muitos modelos iniciais foram desenvolvidos em populações brancas, e eram muito menos precisos para outras raças. O modelo MIT / MGH, Enquanto isso, é igualmente preciso para mulheres brancas e negras. Isso é especialmente importante dado que as mulheres negras têm demonstrado 42% mais probabilidade de morrer de câncer de mama devido a uma ampla gama de fatores que podem incluir diferenças na detecção e no acesso aos cuidados de saúde.

"É particularmente impressionante que o modelo tenha um desempenho igualmente bom para brancos e negros, o que não foi o caso com as ferramentas anteriores, "diz Allison Kurian, professor associado de medicina e pesquisa / política de saúde na Stanford University School of Medicine. "Se validado e disponibilizado para uso generalizado, isso poderia realmente melhorar nossas estratégias atuais para estimar o risco. "

Barzilay diz que seu sistema também poderá um dia permitir que os médicos usem mamografias para ver se os pacientes correm um risco maior de outros problemas de saúde, como doenças cardiovasculares ou outros tipos de câncer. Os pesquisadores estão ansiosos para aplicar os modelos a outras doenças e enfermidades, e especialmente aqueles com modelos de risco menos eficazes, como câncer de pâncreas.

"Nosso objetivo é fazer desses avanços uma parte do padrão de atendimento, "diz Yala." Ao prever quem desenvolverá câncer no futuro, podemos, com sorte, salvar vidas e contrair câncer antes que os sintomas apareçam. "

Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.