Development and Validation of a Nomogram Integrating Multimodal Ultrasound and Radiomics for Differentiating Granulomatous Mastitis from Invasive Ductal Carcinoma

No panorama da saúde mamária, duas condições muito diferentes frequentemente parecem idênticas em um exame de imagem. Uma é o carcinoma ductal invasivo, uma forma comum e séria de câncer de mama que requer tratamento imediato. A outra é a mastite granulomatosa, uma doença inflamatória rara e benigna que imita a aparência do câncer, mas não é fatal. Para os médicos, essa sobreposição visual cria um dilema difícil. Quando uma paciente apresenta um nódulo suspeito, o caminho padrão é realizar uma biópsia, um procedimento que envolve a retirada de uma amostra de tecido com uma agulha. Embora esta seja a única maneira de ter certeza, é um passo invasivo que muitas pacientes prefeririam evitar se o nódulo for inofensivo. O desafio reside em encontrar uma maneira de distinguir estas duas condições antes que a agulha sequer toque a pele, usando apenas as imagens capturadas por máquinas de ultrassom.

O ultrassom tem sido há muito tempo a principal ferramenta para examinar o tecido mamário, particularmente para mulheres na Ásia. Ele utiliza ondas sonoras para criar imagens do interior do corpo, mostrando a forma, o tamanho e a textura de quaisquer nódulos. Nos últimos anos, os médicos adicionaram mais camadas a esta tecnologia. Agora, eles utilizam o Doppler colorido para ver como o sangue flui através de uma lesão e a elastografia para medir o quão rígido ou macio o tecido parece ao ser pressionado. Estas adições fornecem um quadro mais rico, mas mesmo com estas ferramentas avançadas, distinguir entre o mimetismo inflamatório e o tumor maligno continua sendo um obstáculo clínico significativo. Às vezes, as imagens são tão semelhantes que um médico não consegue ter certeza, levando a uma "zona cinzenta" onde o conselho médico mais seguro é biopsar tudo, resultando em muitos procedimentos desnecessários.

Uma equipe de pesquisadores de hospitais em Hangzhou, China, partiu-se para resolver este problema específico combinando a observação humana com a análise computacional. Eles reuniram imagens de ultrassom e registros de pacientes de 460 mulheres que já haviam sido diagnosticadas com mastite granulomatosa ou carcinoma ductal invasivo através de cirurgia ou biópsia. Os pesquisadores dividiram estas pacientes em dois grupos: um grupo maior usado para ensinar um sistema de computador o que procurar e um grupo menor e separado usado para testar se o sistema poderia fazer previsões precisas em novos casos não vistos. O objetivo era construir uma ferramenta quantitativa que pudesse pesar múltiplos fatores em conjunto para fornecer uma probabilidade precisa de se um nódulo era canceroso.

Os pesquisadores começaram treinando um computador para analisar as imagens brutas de ultrassom pixel por pixel. Este processo, conhecido como radiômica, extrai centenas de detalhes minúsculos da imagem que são sutis demais para o olho humano notar, como os padrões específicos de cinza e preto dentro do nódulo. O computador calculou uma pontuação baseada nestas texturas ocultas. Ao mesmo tempo, a equipe registrou detalhes clínicos padrão, como a idade da paciente, e características específicas observadas no ultrassom, como a forma do nódulo, a clareza de suas bordas, se continha depósitos de cálcio e o quão rígido ele parecia sob pressão. Eles então utilizaram métodos estatísticos para determinar quais destes fatores eram os mais poderosos para distinguir as duas doenças.

A análise revelou que seis fatores específicos eram os preditores mais confiáveis. Estes incluíam a idade da paciente, a forma da lesão, a natureza de suas margens, a presença de calcificações, a pontuação de rigidez da elastografia e a pontuação de textura gerada pelo computador. Curiosamente, embora a análise de textura do computador fosse útil por si só, não era tão precisa quanto as características observadas pelo humano. No entanto, quando a pontuação do computador foi combinada com as observações humanas, o resultado foi uma ferramenta diagnóstica altamente precisa. Os pesquisadores transformaram esta combinação de seis fatores em um gráfico visual chamado nomograma. Este gráfico permite que um médico simplesmente observe os detalhes específicos de uma paciente, encontre os pontos correspondentes para cada fator, some-os e leia uma porcentagem final que representa a probabilidade de a paciente ter câncer.

Quando os pesquisadores testaram esta nova ferramenta no grupo de pacientes que não haviam sido usados para o treinamento, os resultados foram impressionantes. A ferramenta identificou corretamente 99 por cento dos casos de câncer e identificou corretamente 83 por cento dos casos benignos. No mundo dos diagnósticos médicos, este nível de precisão é excepcional. A ferramenta teve um desempenho melhor do que o uso isolado de características de ultrassom e muito melhor do que a análise de textura do computador sozinha. Os pesquisadores descobriram que as pistas mais críticas eram frequentemente as bordas do nódulo e a presença de cálcio. Nódulos cancerosos tendiam a ter bordas irregulares e mal definidas e tinham maior probabilidade de conter depósitos de cálcio, enquanto os nódulos inflamatórios benignos frequentemente apresentavam limites mais suaves e careciam desses depósitos. A rigidez do tecido também desempenhou um papel importante, com o tecido canceroso geralmente sendo muito mais duro do que o tecido inflamatório.

O estudo destaca que, embora a análise de texturas de imagem por computador seja uma adição poderosa, ela funciona melhor quando apoia, em vez de substituir, a observação cuidadosa de um ecografista qualificado. A ferramenta final não requer um supercomputador para ser usada; é um sistema de pontuação simples que pode ser aplicado à beira do leito. Ao fornecer uma probabilidade numérica clara, a ferramenta ajuda os médicos a tomar decisões mais confiantes. Se o risco calculado for baixo, um médico pode sentir-se confortável em monitorar a paciente de perto em vez de ordenar imediatamente uma biópsia. Se o risco for alto, a ferramenta fornece evidências fortes para proceder com a intervenção.

Os autores tomam o cuidado de notar que esta ferramenta não é uma substituição para o julgamento de um médico, nem é uma resposta final para cada paciente. Ela foi desenhada especificamente para aqueles casos difíceis onde as imagens de ultrassom não são claras. Como o estudo foi conduzido em um único hospital utilizando dados do passado, os pesquisadores reconhecem que a ferramenta precisa ser testada em outros hospitais e com diferentes máquinas para garantir que funcione universalmente. Eles também planejam refinar o método usando programas de computador automatizados para delinear os nódulos, o que removeria as pequenas variações que ocorrem quando diferentes médicos desenham os limites manualmente. Até que esses estudos futuros sejam concluídos, este novo sistema de pontuação permanece como um passo promissor, oferecendo uma maneira de reduzir biópsias desnecessárias e trazer clareza a um canto confuso da saúde mamária.