Uma equipe de pesquisa liderada pelo Brigham and Women's Hospital do Massachusetts General Hospital e pelo Dana-Farber Cancer Institute desenvolveu e validou uma ferramenta baseada em inteligência artificial que prevê, de forma não invasiva, o risco de invasão de linfonodos extras no câncer de orofaringe, analisando imagens médicas. Isso auxilia os médicos no desenvolvimento de planos de tratamento mais precisos para os pacientes. Os resultados foram publicados no Journal of Clinical Oncology.

O tratamento do câncer de orofaringe frequentemente combina cirurgia, radioterapia e quimioterapia, o que pode levar a efeitos colaterais significativos. Identificar com precisão o risco de disseminação do câncer é crucial para decidir se a terapia deve ser intensificada ou reduzida. Atualmente, o padrão ouro para confirmar se as células cancerígenas invadiram os linfonodos (ou seja, invasão patológica de linfonodos extras, ENE) é o exame patológico após a ressecção cirúrgica. Esta ferramenta de IA visa prever o número de linfonodos com ENE analisando as imagens de tomografia computadorizada (TC) do paciente antes do tratamento. Este indicador está intimamente relacionado ao prognóstico do paciente e à probabilidade de benefício com terapia intensificada.

A equipe de pesquisa aplicou a ferramenta a dados de imagem de 1733 pacientes com câncer orofaríngeo. Os resultados mostraram que as previsões da IA ​​estavam associadas ao risco de disseminação descontrolada do câncer e à redução da sobrevida do paciente. O Dr. Benjamin Kann, autor sênior do projeto de Inteligência Artificial em Medicina do Brigham and Women's Hospital, do Massachusetts General Hospital, observou: "A ferramenta de IA pode prever o número de linfonodos com ENE (extensão extracapsular), o que antes era impossível, e demonstra ser um novo e poderoso biomarcador prognóstico para câncer orofaríngeo, que pode ser usado para aprimorar o estadiamento clínico e os planos de tratamento atuais."

O valor clínico da ferramenta reside na melhoria da estratificação de risco. O Dr. Kann explicou ainda: "Nossa ferramenta pode ajudar a determinar quais pacientes devem receber múltiplas intervenções ou quais pacientes são candidatos ideais para ensaios clínicos de estratégias intensivas, como imunoterapia ou quimioterapia adicional. Nossa ferramenta também pode ajudar a determinar quais pacientes devem receber tratamento menos intensivo, como apenas cirurgia." A integração dos resultados da avaliação por IA em modelos clínicos existentes promete fornecer estratégias de tratamento de câncer mais personalizadas para cada paciente.