Usando Machine Learning, uma equipe de cientistas desenvolveu um teste para ajudar a tratar melhor pacientes com câncer pancreático. O teste chamado CompCyst, superou significativamente os atuais padrões de tratamento em um grupo de teste de 875 pacientes.
Cistos pancreáticos podem ser fatais, mas nem sempre
Os cistos pancreáticos são lesões cheias de líquido no pâncreas. O pâncreas é um órgão vital, localizado atrás do estômago, que produz hormônios e enzimas para ajudar na digestão dos alimentos.
A formação de cistos tende a ser encontrada em até 8% de todas as pessoas com idade acima de 70 anos.
Embora a maioria dos cistos seja benigna e não cause nenhum sintoma perceptível. Mas alguns cistos pancreáticos que produzem mucina podem se transformar em uma forma agressiva de câncer pancreático.
“Eles são tipicamente encontrados durante exames de imagem. Alguns são realmente bolsões benignos de fluidos revestidos com uma cicatriz ou tecido inflamatório, e não o tipo de células encontradas em cistos verdadeiros (pseudocistos)”, segundo a Mayo Clinic. .
Até o momento, é difícil distinguir os cistos pré-cancerosos dos benignos. Isso significa que os cistos não cancerosos são freqüentemente classificados erroneamente e desnecessariamente removidos com cirurgia pancreática.
Este erro de classificação muitas vezes leva a cirurgia invasiva desnecessária para remover os cistos, independentemente de serem formas benignas ou mais perigosas.
O novo teste pode ajudar a evitar cirurgias desnecessárias
Por causa disso, o pesquisador Simeon Springer e seus colegas decidiram ver se poderiam melhorar os processos de triagem para os pacientes. Eles inscreveram 875 pacientes com cistos pancreáticos e coletaram informações das mutações, proteínas e outros marcadores ligados a cistos benignos ou produtores de mucina.
O novo teste, usando algoritmos de Machine Learning, algumas descobertas interessantes se tornaram evidentes. Do estudo de 875 pacientes, CompCyst revelou que 60% deles poderiam ter evitado a cirurgia.
Isso é significativo e levaria a menos cirurgias desnecessárias, reduzindo efetivamente os custos médicos e as complicações que estão frequentemente associadas a qualquer forma de cirurgia invasiva.
CompCyst superou o diagnóstico padrão de atendimento
A equipe, usando técnicas profundas de Machine Learning, treinou os CompCysts para ler os marcadores dos dados coletados de pacientes inscritos. O sistema rapidamente classificou os pacientes em pacientes que deveriam ser monitorados, não monitorados ou submetidos a cirurgias.
O CompCyst foi treinado em 436 dos pacientes dos 875, e os pesquisadores descobriram que o teste superou largamente a patologia padrão quando foi avaliado nos outros pacientes.
CompCyst identificou corretamente que 60,4% dos pacientes deveriam ter recebido alta. Isso foi significativamente grande, comparado aos 18,9% de alta usando o diagnóstico padrão de atendimento.
48,6% dos pacientes também foram corretamente classificados como necessitados de monitoramento, contra 34,3% da triagem tradicional. Finalmente, e mais importante, foi capaz de identificar 90,8% dos pacientes que necessitavam de cirurgia versus 88,8% do diagnóstico padrão da indústria regular.
Por mais promissor que seja, trabalhos futuros serão necessários para validar prospectivamente os marcadores usados no teste. Os pesquisadores dizem que sua plataforma tem um forte potencial para ser usada na clínica como um complemento às abordagens existentes.
O estudo original foi publicado na revista Science Translational Medicine.
Achou útil essa informação? Compartilhe com seus amigos! xD
Deixe-nos a sua opinião aqui nos comentários.
