Previsão do status de mutação oncogênica no câncer de pulmão de células não pequenas: uma revisão sistemática e meta-análise com foco especial em métodos baseados em inteligência artificial
OncologiaO que aconteceu
No câncer do pulmão de células não-pequenas (CNPC), são necessárias alternativas não invasivas à análise de mutação do condutor dependente da biópsia. Revisamos a eficácia da radimica isoladamente ou com dados clínicos e avaliamos o desempenho de modelos de inteligência artificial (IA) na predição do status de mutação oncogênica. Uma revisão da literatura compatível com o PRISMA para estudos que prevêem o status de mutação oncogênica em pacientes com CPNPC usando radiomics foi realizada por uma equipe multidisciplinar. Foram realizadas metanálises avaliando o desempenho de modelos baseados em IA desenvolvidos com características radiológicas derivadas da TC isoladamente ou combinados com dados clínicos. Também foi realizada meta-regressão para analisar a influência de diferentes preditores. Questão Pode radiomics baseados em imagens e inteligência artificial não-invasiva prever o status de mutação oncogene para melhorar o diagnóstico em câncer de pulmão não-pequenas células (NSCLC)? Achados Modelos baseados em Radiomics alcançaram alto desempenho na predição do status de mutação no CPNPC; a adição de dados clínicos mostrou melhora limitada no desempenho preditivo. Relevância clínica As ferramentas Radiomics e AI oferecem uma estratégia não invasiva para apoiar o perfil molecular em CPNPC. Estudos de validação sobre aspectos clínicos e metodológicos são essenciais para garantir sua confiabilidade e integração à prática clínica de rotina.
O que encontraram
Dos 890 estudos identificados, 124 que avaliaram modelos para a predição de mutações do fator de crescimento epidérmico-1 (EGFR), linfoma anaplásico quinase (ALK) e do vírus do sarcoma de rato de Kirsten (KRAS) foram incluídos na revisão sistemática, das quais 51 foram meta-analisadas. A taxa de sensibilidade/false positiva dos algoritmos de IA (FPR) na predição do estado de mutação utilizando modelos baseados em radiomics foi de 0,754 (IC 95% 0,727-0,780)/0,344 (IC 95% 0,308-0,381) para EGFR, 0,754 (IC 95% 0,638-0,841)/0,225 (IC 95% 0,163-0,302) para ALK e 0,475 (IC 95% 0,153-0,820)/0,181 (IC 95% 0,054-0,461) para KRAS. Uma meta-análise de modelos combinados foi possível para a mutação EGFR, revelando uma sensibilidade de 0,806 (IC 95% 0,777-0,833) e um RLF de 0,315 (IC 95% 0,270-0,364). Não foram obtidos resultados estatisticamente significativos na meta-regressão.
Por que isso importa
Modelos baseados em radiomics podem oferecer uma alternativa não-invasiva para determinar o status da mutação oncogene em CPNPC. Mais pesquisas são necessárias para analisar se os dados clínicos podem aumentar seu desempenho.
Tradução automática do resumo original, publicado em European radiology sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.
O estudo original
Prediction of oncogene mutation status in non-small cell lung cancer: a systematic review and meta-analysis with a special focus on artificial intelligence-based methods
Almudena Fuster-Matanzo, Alfonso Picó-Peris, Fuensanta Bellvís-Bataller, Ana Jimenez-Pastor, Glen J Weiss, Luis Marti-Bonmati, Antonio Lázaro Sánchez, David Bazaga, Giuseppe L Banna, Alfredo Addeo et al.
Descritores MeSH
- Mutation
- Oncogenes
- Carcinoma, Non-Small-Cell Lung
- Artificial Intelligence
- Lung Neoplasms
- ErbB Receptors
- Humans
- Tomography, X-Ray Computed
- Anaplastic Lymphoma Kinase