Uma equipe do Hospital Universitário Heidelberg e do Centro Alemão de Pesquisa do Câncer desenvolveu um novo método para a análise automatizada de imagens de tumores cerebrais. Em sua publicação recente, os autores mostram que os métodos de deep learning usados em ressonância magnética padrão são mais confiáveis e precisos do que os métodos radiológicos já estabelecidos no tratamento de tumores cerebrais, oferecendo, assim, uma contribuição valiosa para o tratamento individualizado. Além disso, esses métodos são um primeiro passo importante para automação e rendimento de imagens médicas de tumores cerebrais.
Glioma do lobo parietal esquerdo. Tomografia computadorizada com uso de contraste. Crédito: Mikhail Kalinin/CC BY-SA 3.0
Gliomas são os tumores cerebrais mais comuns e mais malignos em adultos. Na Alemanha, aproximadamente 4.500 pessoas são diagnosticadas com glioma a cada ano. Os tumores geralmente não podem ser completamente removidos por cirurgia e a quimioterapia ou radioterapia são eficazes apenas em uma extensão limitada, porque os tumores são altamente resistentes. Abordagens de tratamento novas e precisas são, portanto, urgentemente necessárias.
Um dos critérios essenciais para a avaliação precisa da eficácia de uma nova terapia para tumores cerebrais é a dinâmica de crescimento, determinada pela ressonância magnética. No entanto, a medição manual da expansão do tumor em dois planos nas ressonâncias magnéticas com contraste é propensa a erros e pode levar a resultados ligeiramente diferentes. "Isso pode ter um efeito negativo na avaliação da resposta terapêutica e, portanto, na reprodutibilidade e precisão de declarações científicas baseadas em imagem", explica Martin Bendszus, diretor médico do Departamento de Neurorradiologia do Hospital Universitário de Heidelberg.
Em um estudo recente, médicos e cientistas do Hospital Universitário de Heidelberg e do Centro Alemão de Pesquisa do Câncer (DKFZ) descreveram o enorme potencial dos métodos de deep learning em diagnósticos radiológicos. A equipe desenvolveu redes neurais para avaliar e validar clinicamente a resposta terapêutica dos tumores cerebrais com base na ressonância magnética, de maneira padronizada e totalmente automatizada.
Usando um banco de dados com exames de ressonância magnética de quase 500 pacientes com tumor cerebral no Hospital Universitário Heidelberg, os algoritmos foram capazes de reconhecer e localizar os tumores automaticamente usando redes neurais artificiais. Além disso, os algoritmos foram treinados para medir volumetricamente as áreas individuais (porção de absorção de contraste do tumor, edema peritumoral) e avaliar com precisão a resposta à terapia.
Os resultados foram validados em cooperação com a Organização Europeia de Pesquisa e Tratamento do Câncer. "A avaliação de mais de 2.000 exames de ressonância magnética de 534 pacientes com glioblastoma de toda a Europa mostra que nossa abordagem baseada em computador permite uma avaliação mais confiável da resposta à terapia do que o método convencional de medição manual. Conseguimos melhorar a confiabilidade da avaliação em 36%. Isso pode ser crucial para a avaliação da eficácia da terapia em ensaios clínicos. A previsão de sobrevida geral também foi mais precisa com nosso novo método", explica Kickingereder.
O objetivo dos médicos e cientistas da Heidelberg é usar a tecnologia promissora o mais rápido possível em estudos clínicos e, no futuro, também na rotina clínica. Além disso, os pesquisadores projetaram e avaliaram uma infraestrutura do software que permite a integração completa da nova técnica à infraestrutura radiológica existente. "Dessa forma, estamos criando os pré-requisitos totalmente automatizados para ampla aplicação, processamento e análise de exames de ressonância magnética de tumores cerebrais dentro de alguns minutos", explica Klaus Maier-Hein
A nova tecnologia está sendo reavaliada no NCT Heidelberg como parte de um estudo clínico para melhorar o tratamento de pacientes com glioblastoma. "Para terapias de precisão, uma avaliação padronizada e confiável da eficácia das novas abordagens de tratamento é de grande importância. A tecnologia que desenvolvemos pode ser capaz de dar uma contribuição decisiva aqui", explica Wolfgang Wick.
"Com este estudo, conseguimos demonstrar o grande potencial das redes neurais artificiais no diagnóstico radiológico", resume Philipp Kickingereder. "No futuro, queremos avançar na tecnologia de análise automatizada de alto rendimento de dados de imagens médicas e transferi-los não apenas para tumores cerebrais, mas também para outras doenças, como metástases cerebrais ou esclerose múltipla", acrescenta Klaus Maier Hein.
Mais informações: Philipp Kickingereder et al, Automated quantitative tumour response assessment of MRI in neuro-oncology with artificial neural networks: a multicentre, retrospective study, The Lancet Oncology (2019). DOI: 10.1016/S1470-2045(19)30098-1 Oferecido pelo German Cancer Research Center
Citação: Artificial intelligence to assess treatment response of brain tumors (2019, April 3) consultado em 3 de Abril, 2019, em https://medicalxpress.com/news/2019-04-artificial-intelligence-treatment-response-brain.html
Este documento está sujeito a direitos autorais. A não ser para fins de estudo ou pesquisa particular, nenhuma parte pode ser reproduzida sem a permissão por escrito. O conteúdo é fornecido apenas para fins informativos.
Este artigo é da Medical Xpress e foi licenciado legalmente pelo canal NewsCred. Dirija todas as questões de licenciamento para legal@newscred.com.
