Um modelo de inteligência artificial desenvolvido por pesquisadores da Clínica Mayo e do Centro de Câncer MD Anderson detectou sinais de câncer pancreático em tomografias computadorizadas com precisão surpreendente. O sistema, chamado REDMOD (modelo de detecção precoce baseado em radiômica), conseguiu identificar a doença aproximadamente 16 meses antes do diagnóstico convencional em cerca de 73% dos casos testados. Em alguns exames, a IA reconheceu padrões suspeitos mais de dois anos antes, com potencial de detecção até três anos antes da confirmação clínica.
O câncer de pâncreas caminha para se tornar a segunda principal causa de morte por câncer nos Estados Unidos até 2030. Atualmente, 85% dos diagnósticos ocorrem quando a doença já se espalhou para outros órgãos, dificultando significativamente o tratamento curativo. O REDMOD surge como ferramenta promissora para inverter esse cenário ao identificar alterações mínimas em exames de rotina.
Como o sistema detecta sinais invisíveis ao olho humano
O REDMOD não procura por tumores óbvios. Em vez disso, busca padrões radiômicos – mudanças sutis na textura e estrutura do tecido pancreático que escapam à detecção visual humana. O modelo foi treinado com 969 tomografias computadorizadas para aprender a reconhecer os sinais iniciais da doença em estágios onde ainda é curável.
Células normais desenvolvem mutações no DNA que afetam seu crescimento. O câncer de pâncreas frequentemente leva anos para que essas alterações evoluam em um tumor visível em exames de imagem ou causador de sintomas. O REDMOD consegue captar essa progressão invisível muito antes de um tumor manifestar-se clinicamente.
Resultados superam análise de especialistas humanos
Os pesquisadores testaram o REDMOD em 63 tomografias de pacientes que posteriormente desenvolveram câncer de pâncreas, além de 430 exames de controle de indivíduos saudáveis. O sistema identificou corretamente 46 dos 63 casos suspeitos, alcançando taxa de acerto de 73%.
Dois radiologistas humanos que analisaram os mesmos exames simultaneamente detectaram sinais precoces em apenas 38,9% dos casos. A diferença representa uma vantagem significativa: o modelo de IA quase dobrou a capacidade de detecção precoce em comparação com especialistas.
Os testes foram repetidos em dois conjuntos de dados diferentes com equipamentos distintos em hospitais variados. Em todos os cenários, o REDMOD manteve desempenho consistente. Para pacientes com múltiplos exames disponíveis, a IA produziu resultados amplamente alinhados, mesmo quando os exames foram realizados com meses de intervalo.
Desafios e próximos passos para implementação
O estudo identificou um ponto importante: dos 430 indivíduos saudáveis, 81 foram marcados incorretamente como suspeitos pelo REDMOD. Se implementado em cenário real, essas pessoas receberiam exames adicionais antes de confirmar o resultado negativo. Refinamento dessa especificidade representa prioridade para evitar procedimentos desnecessários.
- Validação prospectiva em grupos de alto risco
- Testes em populações maiores e mais diversas
- Integração em processos clínicos existentes
- Aprimoramento da especificidade do modelo
- Acessibilidade em diferentes contextos hospitalares
Radiologista Ajit Goenka da Clínica Mayo afirma que o maior obstáculo para salvar vidas em câncer de pâncreas sempre foi a incapacidade de detectar a doença quando ainda é curável. “Essa IA agora consegue identificar a assinatura do câncer em um pâncreas de aparência normal, e pode fazer isso de forma confiável ao longo do tempo e em diversos contextos clínicos.”
Caminho para mudança do paradigma diagnóstico
O potencial real do REDMOD reside em sua aplicação a tomografias de rotina realizadas por outras razões. Médicos frequentemente solicitam exames de pâncreas para investigar sintomas não relacionados. Se o REDMOD monitorar essas imagens rotineiramente, poderia detectar câncer em estágio pré-clínico, quando tratamentos curativos ainda são efetivos.
Os pesquisadores planejam expandir os testes para grupos maiores e mais diversos. Também investigarão a facilidade de incorporação da IA aos fluxos de trabalho médico existentes. O objetivo é transformar o diagnóstico atual – baseado em sintomas avançados em interceptação proativa de doença precoce.
Os autores do estudo destacam que a capacidade demonstrada da estrutura em detectar consistentemente sinais ocultos em grande conjunto de dados clinicamente orientados, combinada com sua alta estabilidade ao longo do tempo e especificidade validada, estabelece base sólida para detecção precoce aumentada por IA. Os pesquisadores expressam otimismo de que, com desenvolvimento e aprimoramento contínuos, poderão oferecer sistema incrivelmente útil contra um dos tipos de câncer mais letais que existem.