Machine Learning Integration of Lymphovascular Space Invasion, Ki-67 Index, and Immunohistochemical Profiles for Preoperative Lymph Node Metastasis Prediction in Endometrial Cancer

Resumo Técnico: Integração de Aprendizado de Máquina para Predição de Metástase de Linfonodo Pré-operatória no Câncer de Endométrio

Definição do Problema
O câncer de endométrio (CE) é uma neoplasia ginecológica de destaque. A predição pré-operatória precisa de metástase em linfonodos (LNM) é crítica para a tomada de decisão cirúrgica individualizada, especificamente para evitar o sobretratamento e as complicações associadas (ex.: linfedema, obstrução intestinal) da dissecção sistemática de linfonodos não seletiva em pacientes de baixo risco. Os modelos de predição clínica atuais frequentemente dependem de indicadores patológicos pós-operatórios (ex.: grau tumoral, profundidade de invasão) ou dados genômicos complexos, criando um descompasso fundamental onde "indicadores pós-operatórios guiam decisões pré-operatórias". Além disso, os modelos existentes frequentemente omitem marcadores prognósticos importantes, como o Ki-67, ou falham em integrar de forma abrangente perfis sorológicos e imuno-histoquímicos de rotina disponíveis antes da cirurgia.

Metodologia
Este estudo empregou um delineamento retrospectivo analisando 594 pacientes com carcinoma de endométrio tratadas no Hospital Geral de Hainan entre outubro de 2019 e outubro de 2025.

• Coleta de Dados: As variáveis incluíram dados clínicos basais, marcadores sorológicos pré-operatórios (AFP, CEA, CA125, CA19-9, CA72-4, etc.), indicadores patológicos pós-operatórios (invasão miometrial, LVSI, tamanho do tumor, etc.) e perfis imuno-histoquímicos (p53, ER, PR, Ki-67, proteínas MMR).
• Seleção de Características: A regressão de Penalização de Lasso (Least Absolute Shrinkage and Selection Operator - LASSO) foi utilizada para filtrar variáveis e prevenir o sobreajuste (overfitting). Este processo identificou sete preditores fundamentais.
• Construção do Modelo: Quatro algoritmos de aprendizado de máquina foram construídos e comparados: Regressão Logística (LR), Floresta Aleatória (RF), Máquina de Vetores de Suporte (SVM) e XGBoost.
• Estratégia de Validação: O conjunto de dados foi dividido em um conjunto de desenvolvimento (n=416, 70%) e um conjunto de teste (n=178, 30%). O desempenho do modelo foi avaliado pela Área Sob a Curva ROC (AUC), sensibilidade, especificidade, curvas de calibração e Análise de Curva de Decisão (DCA).
• Verificações de Robustez: Foram realizadas análises de subgrupo em várias características clínicas. Uma análise de sensibilidade foi conduzida excluindo casos com mutação de p53 para avaliar a estabilidade do modelo.

Principais Contribuições

1. Foco Pré-operatório: O estudo desenvolveu um modelo de predição utilizando exclusivamente indicadores disponíveis pré-operatoriamente, abordando a limitação de modelos que dependem de dados pós-operatórios.
2. Integração Multimodal: O modelo integra sistematicamente parâmetros patológicos de rotina (LVSI), marcadores imuno-histoquímicos (PR) e biomarcadores sorológicos (CA19-9, CA72-4). Embora o Ki-67 tenha sido avaliado, ele não foi retido como um preditor independente no modelo multivariado final.
3. Comparação Algorítmica: A pesquisa fornece uma análise comparativa de modelos simples (Regressão Logística) versus complexos (RF, XGBoost, SVM), demonstrando que modelos mais simples podem oferecer uma generalização superior em conjuntos de dados médicos com amostras limitadas.
4. Avaliação da Utilidade Clínica: Além das métricas estatísticas, o estudo utiliza a Análise de Curva de Decisão para quantificar o benefício clínico líquido, garantindo a aplicabilidade prática do modelo na tomada de decisão.

Resultados

• Preditores: A regressão LASSO identificou sete preditores independentes: CA19-9 pré-operatório, CA72-4, invasão miometrial ≥1/2, número total de linfonodos removidos, LVSI, expressão de PR e CA125 pré-operatório. Notavelmente, embora o CEA tenha sido significativo na análise univariada, ele não manteve significância preditiva independente na análise multivariada e não figurou entre as sete variáveis finais selecionadas pelo LASSO.
• Desempenho do Modelo: No conjunto de teste independente, o modelo de Regressão Logística demonstrou desempenho superior com uma AUC de 0,863 (IC 95%: 0,788–0,938), sensibilidade de 0,842 e especificidade de 0,761.
  • Este desempenho superou os modelos de Floresta Aleatória (AUC = 0,848), XGBoost (AUC = 0,839) e SVM (AUC = 0,635).
  • O modelo de Regressão Logística também superou sistemas de referência estabelecidos: o sistema ENDORISK (AUC = 0,820) e o sistema de estratificação de Yang (AUC = 0,845).
• Importância das Características: O LVSI foi identificado como a característica mais crítica, seguido pelo número total de linfonodos dissecados, expressão de PR e CA19-9 pré-operatório.
• Robustez: A análise de subgrupo confirmou um desempenho consistente (AUC ≥ 0,8) em vários subgrupos de menopausa, LVSI e estágio FIGO. Após a exclusão de casos com mutação de p53, a AUC do conjunto de teste manteve-se estável em 0,817.
• Utilidade Clínica: A Análise de Curva de Decisão indicou que o modelo proporciona um benefício clínico líquido significativo sobre as estratégias "tratar todos" ou "não tratar ninguém" dentro de probabilidades de limiar de 0,02 a 0,60.

Significância e Alegações
Os autores afirmam que um modelo de regressão logística baseado em indicadores pré-operatórios de rotina pode prever efetivamente a metástase de linfonodos no câncer de endométrio. O estudo postula que:

• Simplicidade vs. Complexidade: Em conjuntos de dados médicos com amostras limitadas, o aumento da complexidade do modelo não necessariamente melhora o desempenho preditivo e pode levar ao sobreajuste (overfitting). O modelo de Regressão Logística, mais simples, demonstrou melhor generalização do que métodos de conjunto (ensemble) complexos.
• Custo-Efetividade: O modelo oferece uma ferramenta econômica e acessível para a tomada de decisão pré-operatória, adequada para instituições médicas de todos os níveis, sem exigir sequenciamento genômico caro ou dados pós-operatórios.
• Utilidade de Novos Marcadores: O estudo destaca o valor preditivo independente de CA19-9 e CA72-9 pré-operatórios, sugerindo que podem identificar subgrupos agressivos propensos à metástase linfática precoce, potencialmente superando o CA125 em contextos específicos.
• Translação Clínica: Ao basear-se exclusivamente em dados pré-operatórios, o modelo resolve o paradoxo "pós-operatório guia o pré-operatório", fornecendo uma base confiável para o planejamento cirúrgico personalizado.

O artigo conclui que, embora o modelo apresente alta precisão preditiva e robustez, trabalhos futuros devem focar na validação prospectiva multicêntrica e no desenvolvimento de nomogramas amigáveis ou calculadoras online para facilitar a adoção clínica.