Como a inteligência artificial, especialmente o aprendizado profundo, está sendo aplicada em genômica e histopatologia para oncologia de precisão?
Resposta curta: Uma revisão sistemática da literatura de 2010 a 2023 identificou 534 artigos relevantes e mostrou que o aprendizado profundo é mais aplicado em patologia do que em genômica, com aumento em ambas as áreas. Modelos multimodais que combinam imagens e dados genômicos ainda são nicho, principalmente para prognóstico, mas têm potencial para tarefas avançadas como predição de resposta a drogas.
Resposta
O aprendizado profundo (DL) tem sido amplamente utilizado na oncologia de precisão para extrair informações clinicamente acionáveis de lâminas histopatológicas digitalizadas e dados genômicos. Uma revisão sistemática recente analisou a literatura acadêmica de 2010 a novembro de 2023 para quantificar essa aplicação, identificando 534 artigos relevantes após filtrar 3048 publicações. Os estudos foram avaliados quanto ao tipo de aplicação (básica ou avançada), ano de publicação e tecido cancerígeno abordado.
Os resultados mostram que o DL é predominantemente aplicado em patologia em comparação à genômica, mas há um aumento notável na incorporação de DL em ambos os domínios. Enquanto na patologia o foco principal é a identificação de padrões histológicos específicos de tecidos individuais, na genômica o uso é mais comum em contexto pan-câncer. Modelos multimodais, que integram simultaneamente imagens e dados genômicos, ainda são um tópico de nicho, com número limitado de publicações, concentradas principalmente em predições de prognóstico.
A revisão conclui que o DL não apenas tem um papel bem estabelecido na histopatologia, mas também está sendo integrado com sucesso em aplicações genômicas e multimodais. Há um potencial considerável para modelos multimodais em tarefas mais avançadas, como predição de resposta a drogas. No entanto, os autores destacam a necessidade de mais pesquisas para preencher lacunas existentes nesses campos, especialmente na padronização e consistência das metodologias entre diferentes entidades tumorais e cenários clínicos.
Para o médico, esses achados indicam que a inteligência artificial já é uma realidade na análise de imagens patológicas, com aplicações que vão desde diagnóstico e graduação até predição de mutações e sobrevida. A integração de dados genômicos e histopatológicos por meio de modelos multimodais representa uma fronteira promissora, mas ainda carece de validação ampla. O resumo não fornece detalhes sobre a amostra de pacientes ou limitações específicas dos estudos incluídos, apenas a quantidade de publicações analisadas.
O que o estudo mostrou
Trata-se de uma revisão sistemática da literatura de 2010 a novembro de 2023 que, após filtrar 3048 publicações, identificou 534 artigos relevantes. Os estudos foram avaliados por tipos de aplicação (diagnóstico, graduação, subtipagem, predição de mutação, resposta a drogas e sobrevida), ano de publicação e tecido cancerígeno. Os achados revelam predomínio de aplicações de DL em patologia sobre genômica, com aumento em ambas; DL em patologia foca padrões histológicos específicos, enquanto em genômica é mais pan-câncer; modelos multimodais são nicho, principalmente para prognóstico.
Limitações
O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre vieses de publicação ou heterogeneidade entre as pesquisas. Também não são fornecidas informações sobre amostras de pacientes ou validação clínica dos modelos. A revisão se restringe à literatura indexada até novembro de 2023, e os resultados refletem apenas o que foi publicado, não necessariamente a prática clínica real.
Aplicação no consultório
O médico pode se beneficiar do conhecimento sobre o estado atual da IA em patologia e genômica para discutir com colegas e planejar a incorporação de ferramentas diagnósticas baseadas em DL. Na gestão do consultório, é importante acompanhar a evolução dos modelos multimodais, que podem futuramente auxiliar na predição de resposta a tratamentos. No entanto, a aplicação clínica rotineira ainda requer validação adicional, e o resumo não fornece diretrizes práticas específicas.
Estudo citado
A systematic analysis of deep learning in genomics and histopathology for precision oncology. BMC medical genomics, 2024.
Autores: Unger M, Kather JN.
DOI: 10.1186/s12920-024-01796-9 · PubMed: PMID 38317154
Perguntas para aprofundar
- Quais são as aplicações clínicas atuais do aprendizado profundo em patologia oncológica?
- Como os modelos multimodais de aprendizado profundo podem melhorar a predição de resposta a drogas em oncologia?
- Quais lacunas de pesquisa precisam ser preenchidas para a implementação clínica do aprendizado profundo em genômica e histopatologia?
Mais sobre IA em patologia digital
- Como a inteligência artificial está transformando a avaliação histológica no diagnóstico e tratamento personalizado do câncer?
- A inteligência artificial consegue identificar alterações genéticas em lâminas de H&E na prática oncológica?
- Como a inteligência artificial está sendo aplicada na patologia oncológica e quais são as perspectivas futuras?
- Como as técnicas de aprendizado de máquina e aprendizado profundo têm sido aplicadas na pesquisa histopatológica de tumores cerebrais, especialmente no glioblastoma?
- O que a revisão sistemática sobre deep learning em dermatopatologia do melanoma revela sobre o desempenho e as limitações desses métodos?
Todas as perguntas sobre IA em patologia digital · Todos os temas · Versão em markdown