Em Destaque
Assistente inteligente para prever efeitos do tratamento do cancro da mama
No ranking dos cancros, o cancro da mama tem uma taxa de incidência constantemente aumentada, e em 2020, substituiu o cancro do pulmão e tornou-se o cancro número um do mundo, representando 11,7% de todos os novos casos de cancro no mundo. O Professor Adjunto Tan Tao da Faculdade de Ciências Aplicadas e a sua equipa de investigação concluíram o seu último estudo que, recorrendo o modelo de fusão de dados multimodal, ajuda os profissionais de saúde a avaliar a reacção dos doentes aos diversos tratamentos. Este modelo é particularmente notável na previsão da resposta patológica completa (pCR, sigla inglesa de pathological complete response) na fase inicial do tratamento neoadjuvante, e espera-se que se torne um poderoso assistente no tratamento de precisão do cancro da mama.
Os resultados da investigação foram publicados na revista académica internacional Nature Communications e elogiados por especialistas do Centro Médico de Barcelona, Espanha, e da Faculdade de Medicina da Universidade de Nova Iorque, EUA, entre outras instituições, tendo criado um exemplo inovador para a aplicação da inteligência artificial na área da oncologia, sendo especialmente significativos na previsão da resposta aos tratamentos neoadjuvantes para o cancro da mama.
Exploração sobre a resposta aos tratamentos neoadjuvantes
Os tratamentos abrangentes típicos para o cancro da mama combinam medicamentos direccionados e quimioterápicos, ablação por radiação, resistência hormonal, fortalecimento do mecanismo do sistema imunitário e cirurgia. O “tratamento neoadjuvante”, acima referido, é um método comum de tratamento pré-operatório utilizado para matar células cancerígenas e reduzir tumores. Idealmente, as células cancerígenas podem ser eliminadas sem cirurgia, e os doentes têm um bom prognóstico a longo prazo; não há sinais de espalhamento das células cancerígenas para o tecido mamário. Isto é clinicamente chamado de “resposta patológica completa” (pCR).
Os métodos tradicionais de avaliação dos efeitos do tratamento incluem exames de imagem repetidos, testes de marcadores moleculares e análise patológica, combinados com experiência clínica e, em seguida, ajustes periódicos dos planos de tratamento, se necessário. A maioria das investigações existentes relacionadas com a inteligência artificial centra-se em explorar a extracção de características multimodais, com menos atenção dada ao design do modelo e à estrutura de entrada. Outros sistemas de I&D concentram-se na resposta dos doentes à terapêutica num único período de tempo, ou dependem mais de dados completos, e a sua viabilidade real em ambientes médicos pode ser limitada.
Análise de dados de diferentes fases terapêuticas
O Professor Adjunto Tan Tao é uma figura central da equipa de investigação das técnicas de análise de imagens médicas de inteligência artificial da Faculdade de Ciências Aplicadas da UPM. Em colaboração com o Instituto Holandês do Cancro, o Centro Médico da Universidade de Maastricht dos Países Baixos, a Faculdade de Medicina da Universidade Radboud de Nimega dos Países Baixos, o Hospital Popular da Província de Guangdong e o Hospital Provincial de Fujian, o Professor Adjunto Tan desenvolveu um sistema de previsão de resposta multimodal, com o objectivo de aumentar a utilidade clínica da inteligência artificial na avaliação dos efeitos terapêuticos, através da integração de dados médicos de múltiplas fontes.
Este sistema desempenha o papel de assistente inteligente do médico, prevendo a adaptabilidade dos doentes com cancro da mama aos tratamentos neoadjuvantes e o seu efeito terapêutico, analisando todos os grupos de dados antes, durante e depois do tratamento, por exemplo, o índice do corpo individual, a patologia orgânica, a mamografia e a ressonância magnética, os detalhes do tratamento, etc., conjugando-se com a informação de tempo para capturar as mudanças dinâmicas e ajudar o médico a determinar o plano de tratamento seguinte em relação aos diversos índices dos doentes.
Professor Adjunto Tan Tao e equipa de pós-graduação
Comparação dos prognósticos clínicos dos médicos
Este estudo envolve dois níveis de testes repetidos, interno e externo, utilizando dados médicos internacionais reais para aumentar a fiabilidade da aplicação do modelo. A formação interna baseou-se em dados de 3.352 doentes com cancro da mama tratadas no Instituto Holandês do Cancro, abrangendo todo o processo do tratamento neoadjuvante, vários subtipos moleculares de cancro da mama e diversidade tumoral. Os dados de validação externa provêm da Universidade Duke nos Estados Unidos, do Hospital Provincial afiliado à Universidade de Fuzhou na China, e da plataforma pioneira de previsão de testes em oncologia denominada “I-SPY 2”, de forma a garantir uma certa representatividade dos dados e melhorar a capacidade de generalização do modelo em ambientes clínicos reais.
A tecnologia de inteligência artificial do sistema de previsão de resposta multimodal utiliza informações estruturais multimodais para a aprendizagem profunda, a fim de formar um modelo interpretável multimodal com um design de entrada flexível para compensar informações em falta através da previsão multimodal. Para verificar se o modelo é adequado para aplicação clínica, o estudo convidou seis radiologistas certificados para analisar o conjunto de imagens de casos de cancro, uma a uma. Após a comparação dos resultados da análise, respectivamente, feita pelos radiologistas e pelo sistema, verificou-se que, nas fases iniciais do tratamento, o sistema teve um bom desempenho no prognóstico da “resposta patológica completa” (pCR). Os sites relacionados com a presente investigação disponibilizam uma codificação a este sistema, fornecendo uma base valiosa para investigações médicas subsequentes.
Promoção da construção de cuidados médicos inteligentes
Nas fases iniciais do tratamento, fazer um bom uso dos dados para analisar vários efeitos terapêuticos pode ajudar a acelerar o tratamento ou a compreender melhor a situação, bem como a considerar alternativas necessárias, reduzindo assim a possibilidade de cirurgia de ressecção e aumentando a hipótese de cura, diminuindo também a dor física e o encargo financeiro dos doentes. Com a elevada incidência do cancro da mama, as tecnologias inteligentes podem analisar rapidamente grandes quantidades de dados e fornecer opções de tratamento mais preciso.
A equipa de análise de imagens médicas com inteligência artificial da Faculdade de Ciências Aplicadas da UPM dedica-se à cooperação indústria-universidade-investigação na área de inteligência artificial médica, mantendo uma comunicação estreita entre a equipa de investigação e a equipa médica, inovando constantemente os algoritmos de acordo com as necessidades clínicas, aproveitando as tecnologias inteligentes para elevar a eficiência dos cuidados de saúde, de modo a reforçar ainda mais a investigação prospectiva e a expansão multimodal para optimizar as aplicações práticas e criar um ambiente de diagnóstico e tratamento inteligente para o sector de saúde.
