Os recursos de imagem de TC prevêem perspectivas para pacientes com câncer pancreático agressivo

Adicionar recursos de imagem pré-operatórios às informações clínicas padrão pode ajudar os provedores a prever melhor a sobrevida em pacientes com câncer de pâncreas, confirmou uma nova pesquisa publicada. O adenocarcinoma ductal pancreático ou PDAC é o tipo mais comum de câncer pancreático, mas sua agressividade significa que apenas 9% dos pacientes sobrevivem pelo menos cinco anos.

Especialistas em radiologia e ciência da computação observam que a radiômica, que extrai muitos recursos quantitativos de exames de imagem invisíveis ao olho humano, tem sido bem-sucedida para outros tipos de câncer. Então, eles decidiram aplicá-lo ao PDAC, compartilhando seu processo no AJR .

“Considerando que a TC é a modalidade de imagem mais comumente usada para a avaliação inicial do câncer de pâncreas, exploramos o valor adicional dos recursos da radiômica da TC na previsão do resultado do paciente”, Seyoun Park, PhD, com Departamento da Escola de Medicina da Universidade Johns Hopkins de Radiologia e Ciências Radiológicas, e co-autores escreveram. 

Eles descobriram que as 10 características radiômicas mais relevantes tinham 82,2% de precisão na classificação daqueles que deveriam sobreviver mais de três anos em comparação com aqueles com menos de um ano.

As conclusões são baseadas em 153 participantes com PDAC ressecado cirurgicamente que foram submetidos a TC pré-operatória entre 2011 e 2017. Depois de segmentar manualmente o volume 3D de tumores pancreáticos inteiros e informações de fundo do pâncreas, Park et al. extraiu quase 800 feições radiômicas.

As 10 características mais relevantes - curtose, tonalidade do cluster, tendência e proeminência, entre outras - foram usadas para classificar os indivíduos de alto risco (tempo de sobrevivência menor que um ano) versus indivíduos de baixo risco (mais de três anos).

“Descobrimos que os recursos radiômicos extraídos de tumores e do pâncreas não neoplásico podem ser usados para melhorar os modelos de previsão de sobrevivência de pacientes submetidos à cirurgia para PDAC,” Park e colegas concluíram. “Este algoritmo pode ser combinado com outros biomarcadores patológicos e genéticos.”

Leia o estudo completo aqui .