O desafio da pancreatite autoimune

Em diversas situações o diagnóstico da pancreatite autoimune é desafiador e raramente o paciente apresenta o quadro clássico dos livros.

Em diversas situações o diagnóstico da pancreatite autoimune é desafiador e raramente o paciente apresenta com quadro clássico como descrito nos livros. O desafio pode ser ainda mais complexo quando a apresentação clínica da pancreatite autoimune (AIP) simula um adenocarcinoma de pâncreas. Infelizmente de 2 a 5% dos pacientes submetidos a pancreatectomias por suspeita de adenocarcinomas, na verdade apresentavam uma pancreatite autoimune.

Apesar de alguns algoritmos ajudarem na decisão clínica, há situações em que não se consegue fechar o diagnóstico, mesmo com uso de todas as ferramentas disponíveis. Um dos principais métodos de avaliação pancreática é a imagem por ultrassom endoscópico (EUS) acrescido da biopsia durante o procedimento.  Enquanto para o diagnóstico de adenocarcinoma o EUS possui uma sensibilidade de 85%, para AIP a sensibilidade cai para 58,2%.

Leia também: Carcinomas ductais do pâncreas: qual a melhor abordagem?

O uso da inteligência artificial para tentar auxiliar no diagnóstico de lesões suspeitas já mostrou efetividade em lesões cutâneas e em pólipos intestinais, porém não havia sido tentado em AIP durante EUS. O objetivo do estudo foi criar um modelo que pudesse auxiliar na determinação diagnóstica de AIP, assim como diferenciar de adenocarcinoma pancreático. Também como objetivos secundários, seria necessário a diferenciação entre pâncreas normal e pancreatite crônica.

O desafio da pancreatite autoimune

Métodos

Foi criado um modelo computacional e machine learning onde foram analisados fotos e vídeos de todas as ecoendoscopias com diagnóstico de AIP em uma única instituição. Como o diagnóstico de AIP é raro, para cada caso de AIP foram pareados pacientes com adenocarcinoma, pâncreas normal e pancreatite crônica (na proporção 2; 0,5; 0,5 respectivamente). Após criado o modelo, o mesmo vídeo contendo as informações foram apresentadas a médicos experientes, que assim como o computador, não possuíam nenhuma outra informação além das imagens para serem analisadas, e ao final deveriam sugerir um dos 4 diagnósticos possíveis.

Resultados

Um total de 146 pacientes realizaram EUS com diagnostico de AIP, e com isto foram pareados: 292 adenocarcinomas, 72 pancreatites crônica e 73 pâncreas normais (1 paciente do grupo pancreatite crônica foi excluído).  Destes 583 pacientes 460 foram utilizados para aprendizados e validação do modelo e 123 como teste.  Através de um algoritmo de análise dos pixels da foto e do vídeo, foi criado um mapa de cor, que foi utilizado como base para o aprendizado do software.

Saiba mais: Pâncreas artificial parece ser eficaz no controle da glicemia em crianças de 6 a 13 anos

Uma vez realizada esta etapa inicial, o sistema foi colocado a prova e com resultados com sensibilidade e especificidade maiores que 90% e 85% respectivamente quando se comparava AIP com as outras 3 patologias. Na análise dos resultados com os grupos de humanos que analisaram o mesmo vídeo e podendo ser qualquer uma das 4 categorias, a inteligência artificial apresentou uma acurácia de 75,6% versus 61,6% para os humanos (p = 0,026).

Discussão

Alguns outros estudos já demostraram a utilidade do uso da inteligência artificial para distinguir entre adenocarcinoma de pâncreas e pancreatite crônica. No entanto não havia estudos que se utilizasse desta ferramenta para a análise de AIP.

O uso da inteligência artificial pode ser extremamente útil visto que mesmo a biopsia pancreática pode não apresentar resultados categóricos no diagnóstico de AIP, com algumas series mostrando uma sensibilidade de 57,7%.

Infelizmente ainda existem diversas limitações destes achados, entre elas o fato de ser apenas de um centro e retrospectiva. O tempo da análise é curto e provavelmente poderá ser realizada em tempo real, no entanto este mecanismo ainda necessita de futuras validações.

Em conclusão a inteligência artificial abriu uma nova fronteira na medicina que este é um passo para melhorar a abordagem clínica dos pacientes com AIP.

Para levar para casa

Ainda é um pouco precoce para sabermos como será isto na prática clínica. Da mesma forma que não poderíamos imaginar nossa atual dependência dos telefones celulares, é estranho pensar que também seremos dependentes deste tipo de tecnologia. Apesar de alguns malefícios, sem dúvida estas inovações agregam agilidade e precisão nas nossas decisões tanto médicas, como pessoais no caso dos celulares.

Referências bibliográficas:

  • Marya NB, Powers PD, Chari ST, et al. Utilisation of artificial intelligence for the development of an EUS-convolutional neural network model trained to enhance the diagnosis of autoimmune pancreatitis. Gut Published Online First: 07 October 2020. doi: 10.1136/gutjnl-2020-322821

Avaliar artigo

Dê sua nota para esse conteúdo

Selecione o motivo:
Errado
Incompleto
Desatualizado
Confuso
Outros

Sucesso!

Sua avaliação foi registrada com sucesso.

Avaliar artigo

Dê sua nota para esse conteúdo.

Você avaliou esse artigo

Sua avaliação foi registrada com sucesso.

Baixe o Whitebook Tenha o melhor suporte
na sua tomada de decisão.