Clinical and CT radiomics-based differentiation between invasive pulmonary fungal infections and secondary pulmonary tuberculosis

O pulmão humano é uma paisagem complexa e, quando se torna infectado, o corpo frequentemente envia os mesmos sinais de socorro, independentemente do invasor. Dois inimigos particularmente perigosos e difíceis de distinguir são as infecções fúngicas pulmonares invasivas e a tuberculose pulmonar secundária. A primeira é uma invasão fúngica agressiva que prospera em pessoas com sistemas imunológicos enfraquecidos, atingindo frequentemente aqueles que passam por tratamentos médicos de longo prazo ou vivem com doenças graves. A segunda é uma reativação das bactérias que causam a tuberculose, que podem permanecer latentes por anos antes de ressurgirem. Ambas as condições podem causar febre, tosse e falta de ar e, quando os médicos observam uma tomografia computadorizada padrão — um raio-X 3D detalhado do tórax —, as imagens parecem assustadoramente semelhantes. Ambas as doenças podem criar manchas nebulosas, buracos no tecido ou massas sólidas que se parecem com nódulos. Essa confusão visual é perigosa porque os tratamentos são completamente diferentes: uma requer antifúngicos potentes, enquanto a outra necessita de antibióticos específicos para bactérias. Dar o remédio errado pode ser fatal, mas distinguir entre os dois muitas vezes depende de biópsias invasivas ou de esperar dias por culturas laboratoriais, um atraso que deixa os pacientes vulneráveis.

Para resolver este problema, uma equipe de pesquisadores de hospitais da China decidiu construir uma ferramenta digital que pudesse ver o que o olho humano não vê. Eles reuniram dados de 283 pacientes, divididos em dois grupos: aqueles com infecções fúngicas confirmadas e aqueles com tuberculose secundária. A equipe coletou os históricos médicos dos pacientes, resultados de exames de sangue e as próprias imagens de tomografia computadorizada tiradas durante o diagnóstico inicial. Em seguida, aplicaram uma técnica chamada radiômica, que trata uma imagem médica não apenas como uma foto, mas como uma enorme grade de pontos de dados. Enquanto um radiologista observa uma imagem para ver a forma de uma lesão, o software de radiômica mede milhares de padrões minúsculos e invisíveis dentro dessa forma — variações na textura, densidade e no arranjo de pixels que são sutis demais para um ser humano notar. Os pesquisadores combinaram esses padrões de imagem ocultos com fatos clínicos específicos, como se o paciente estava tomando antibióticos de amplo espectro há muito tempo, seus níveis de hemoglobina e sua contagem de neutrófilos, um tipo de glóbulo branco.

Os pesquisadores primeiro construíram um modelo usando apenas a informação clínica. Eles descobriram que três fatores se destacavam como fortes indicadores de uma infecção fúngica: um histórico de uso prolongado de antibióticos, níveis mais baixos de hemoglobina e contagens mais altas de neutrófilos. Este modelo clínico foi útil, mas não era perfeito. Em seguida, construíram um modelo separado usando apenas os dados radiômicos extraídos das tomografias computadorizadas. Este modelo digital provou ser muito mais aguçado, identificando as infecções fúngicas com alta precisão ao reconhecer as impressões digitais texturais únicas da doença. Por fim, fundiram as duas abordagens em uma única ferramenta integrada. Este modelo combinado, que pondera tanto o exame de sangue do paciente quanto os detalhes microscópicos de suas tomografias pulmonares, teve o melhor desempenho de todos. Nos testes, distinguiu corretamente entre as duas doenças cerca de 84 por cento das vezes em um novo grupo de pacientes, um aumento significativo em relação ao uso apenas de sinais clínicos.

O verdadeiro teste desta nova ferramenta ocorreu quando os pesquisadores compararam seu desempenho contra especialistas humanos. Dois radiologistas, um com mais de quinze anos de experiência e outro com seis anos de experiência, revisaram as mesmas tomografias computadorizadas e dados clínicos para fazer seus próprios diagnósticos. Embora o médico experiente tenha desempenhado um papel razoável, o modelo computacional superou tanto o radiologista sênior quanto o júnior. O estudo sugere que, embora os médicos humanos sejam habilidosos em detectar as características óbvias de doenças pulmonares, eles têm dificuldade com as texturas sutis e sobrepostas que definem essas duas infecções específicas. O modelo digital, no entanto, não se cansa nem se distrai; ele mede consistentemente os milhares de pontos de dados que definem a verdadeira natureza da doença.

Esta pesquisa não afirma ter encontrado uma cura mágica ou uma solução perfeita que elimine toda a incerteza. Os autores reconhecem que sua ferramenta foi testada em um grupo específico de pacientes e que as infecções fúngicas estudadas incluíam três tipos diferentes, que podem se comportar de forma ligeiramente distinta. Eles também observam que o método depende de exames de alta qualidade e dados padronizados, que podem variar entre hospitais. No entanto, as descobertas oferecem um caminho concreto a seguir. Ao fornecer uma segunda opinião objetiva e quantitativa, este modelo combinado pode ajudar os médicos a tomar decisões mais rápidas e precisas. Para um paciente deitado em uma cama de hospital com uma infecção pulmonar confusa, esta ferramenta representa uma maneira de atravessar a névoa visual, garantindo que receba o tratamento correto mais rapidamente e evitando os atrasos fatais que vêm de tentar adivinhar entre dois inimigos muito semelhantes.