Pesquisa analisa a doença na região colorretal; ferramenta pode ajudar profissionais de saúde no tratamento
Um estudo divulgado na revista Scientific Reports indica que modelos baseados em inteligência artificial são capazes de predizer com quase 80% de exatidão as taxas de morte e sobrevida de pacientes com câncer colorretal. Segundo os autores, os resultados evidenciam que essas ferramentas podem ser úteis para o planejamento e a avaliação dos serviços de saúde, bem como para orientar protocolos de encaminhamento.
O tumor colorretal é um dos tipos de câncer mais incidentes no mundo, com quase 2 milhões de novos casos ao ano e tendência de aumento nesse número. No Brasil, dados do Inca (Instituto Nacional de Câncer) indicam o surgimento de 44.000 novos casos anuais, sendo 70% nas regiões Sudeste e Sul.
Técnicas de aprendizado de máquina baseadas em inteligência artificial vêm sendo cada vez mais utilizadas para prever taxas de mortalidade e sobrevivência por sua capacidade de se aprimorar automaticamente, sem a necessidade de programações constantes –diferentemente dos modelos estatísticos utilizados em estudos epidemiológicos que, à medida que a realidade se transforma, vão se tornando obsoletos e menos precisos.
O estudo é apoiado pela Fapesp (Fundação de Amparo à Pesquisa do Estado de São Paulo) por meio do projeto “Controle do Câncer no Estado de São Paulo: do conhecimento à ação”, que projeta estratégias para controlar a doença em curto espaço de tempo. O trabalho foi um dos primeiros a realizar a predição da sobrevida de pacientes com câncer com base em um grande banco de dados usando IA e a verificar a validade desses modelos no Brasil.
A pesquisa envolveu grupos da Fosp (Fundação Oncocentro do Estado de São Paulo), da Faculdade de Saúde Pública da USP (Universidade de São Paulo), do Hospital A.C. Camargo e do IMT (Instituto Mauá de Tecnologia).
As informações não identificadas sobre condição socioeconômica, características clínicas e de atendimento e sobrevida de 31.916 pacientes de câncer colorretal atendidos em mais de 70 hospitais do Estado de São Paulo de 2000 a 2021 pertencem ao Registro Hospitalar de Câncer do Estado de São Paulo, administrado pela Fosp.
Os pesquisadores avaliaram e compararam a validade na predição de 3 algoritmos de IA: Random Forest, Naive Bayes e XGBoost. Este último apresentou o melhor resultado, predizendo corretamente 77% das mortes e 77% da sobrevida (em 1, 3 e 5 anos a partir do diagnóstico do tumor).
“O desempenho dos 3 modelos mostrou uma taxa de acertos de 76% a 77%” , diz Lucas Buk Cardoso, pesquisador do NSEE (Núcleo de Sistemas Eletrônicos Embarcados) do Instituto Mauá de Tecnologia e 1º autor do estudo. “Além disso, foi possível obter os dados dos pacientes mais importantes para as previsões – colocados como entradas para a IA –, permitindo um melhor entendimento do tamanho do impacto dessas informações e a validação com o conhecimento já difundido na área”
A entrada mais importante em todos os modelos foi o estadiamento clínico do câncer, que contém a informação sobre o grau da doença –quanto mais avançada, mais decisiva para a predição de morte. Outras informações importantes foram as relacionadas ao tratamento realizado, como cirurgia, radioterapia e quimioterapia, além da presença de recidiva, indicando se o câncer voltou ou não, idade do paciente e ano do diagnóstico da doença.
Já as variáveis que melhor predisseram a sobrevida no XGBoost foram estágio clínico, cirurgia realizada, tratamento hospitalar, idade e ano de diagnóstico.
Avanços práticos e metodológicos
De acordo com os autores, o estudo tem potencial para ser o 1º de muitos que permitirão a simulação de cenários e impactos na sobrevida de pacientes de câncer. Com as informações obtidas, melhores decisões clínicas e de gestão em saúde pública poderão ser tomadas.
“Esse tipo de avaliação pode indicar modelos que servirão como instrumentos para a tomada de decisão dos gestores em momentos de potencial disrupção nos serviços de saúde, como acontece em pandemias, por exemplo” , diz Tatiana Toporcov , professora da Faculdade de Saúde Pública da USP e coautora do artigo.
Vanderlei Cunha Parro , professor do Instituto Mauá de Tecnologia, destaca o caráter de avaliação das fronteiras entre os métodos estatísticos e os que utilizam aprendizado de máquina
“Tal investigação pode dar origem também a uma revisão metodológica, com novos dados a serem incluídos e outros a serem excluídos.”
O artigo “Machine learning for predicting survival of colorectal cancer patients” pode ser lido neste link
Com informações de Agência Fapesp