Estudo selecionado para apresentação em sessão mini-oral na ELCC 2025 buscou validar um escore de malignidade de nódulo pulmonar baseado em inteligência artificial (qXR-LNMS) para detectar nódulos pulmonares incidentais (NPIs) de alto risco em 5 países (Egito, Índia, Indonésia, México, Turquia). “O valor preditivo positivo e o valor preditivo negativo observados demonstram a utilidade do escore baseado em IA para prever o risco provável de NPI benigno e maligno na radiografia do tórax em comparação com a avaliação do radiologista da tomografia computadorizada de baixa dose”, destacaram os autores.
Embora recomendada para triagem de câncer de pulmão, a tomografia computadorizada de baixa dose (TCBD) tem aceitação limitada devido ao custo e acessibilidade na maioria das partes do mundo.
O CREATE (NCT05817110) é um estudo prospectivo e observacional para indivíduos >35 anos com nódulos pulmonares incidentais (tamanho ≥8 a ≤30 mm) na radiografia de tórax. Um total de 713 indivíduos; LNMS alto (499; 70%) e LNMS baixo (214; 30%) foram inscritos entre 23 de abril e 24 de dezembro para cruzar o limite de pelo menos 20% de valor preditivo positivo (VPP) e 70% de valor preditivo negativo (VPN).
Os endpoints primários e secundários incluíram VPP e VPN de escore de malignidade do nódulo pulmonar contra o risco de malignidade avaliado por radiologistas usando tomografia computadorizada de baixa dose e categorias de risco binarizadas com base na pontuação Lung-RADS e modelo da clínica Mayo com IC de 95% usando o método de pontuação de Wilson. Foram avaliados os VPPs e VPNs de escore de malignidade do nódulo pulmonar por características clinicodemográficas. Na fase II em andamento deste estudo, os participantes serão acompanhados por 2 anos a partir da data da primeira tomografia computadorizada.
As medianas de idade dos participantes com escore de malignidade do nódulo pulmonar alto e baixo foram 58 e 60 anos, respectivamente, com 71,7% não fumantes e 2,8% com histórico familiar de câncer de pulmão. No geral, o valor preditivo positivo e o valor preditivo negativo do escore de malignidade do nódulo pulmonar em relação à avaliação dos radiologistas foram de 54,1% (IC de 95%: 49,7–58,4) e 93,5% (IC de 95%: 89,3–96,1).
A concordância entre o modelo da clínica Mayo e o escore de malignidade do nódulo pulmonar foi observada em 70,7% (n = 504) dos indivíduos e a correlação de Spearman foi de 0,246. Os resultados entre os principais subgrupos foram consistentes com todas as estimativas pontuais de valor preditivo positivo e negativo excedendo o limite pré-especificado para o sucesso.
Table 262MO
qXR-LNMS, n | |||||
High | Low | PPV (%) (95%C1) | NPV (%) (95%C1) | ||
Radiologists | High risk | 270 | 14 | 54.1 (49.7–58.4) | 93.5 (89.3–96.1) |
Low risk | 229 | 200 | |||
Age, yrs | <55 | 203 | 74 | 45.3 (38.6–52.2) | 94.6 (86.9–97.9) |
≥55 | 296 | 140 | 60.1 (54.5–65.5) | 92.9 (87.4–96.1) | |
Sex | M | 320 | 130 | 57.2 (51.7–62.5) | 93.8 (88.3–96.8) |
F | 179 | 84 | 48.6 (41.4–55.9) | 92.9 (85.3–96.7) | |
Family history of lung cancer Smoking | Yes | 14 | 6 | 28.6 (11.7–54.6) | 100 (61.0–100) |
No | 485 | 208 | 54.8 (50.4–59.2) | 93.3 (89.0–95.9) | |
Current | 60 | 33 | 50.0 (37.7–62.3) | 93.9 (80.4–98.3) | |
Ex | 83 | 26 | 49.4 (38.9–59.9) | 88.5 (71.0–96.0) | |
Non | 356 | 155 | 55.9 (50.7–61.0) | 94.2 (89.3–96.9) | |
No. of nodules | 1 | 344 | 141 | 49.4 (44.2–54.7) | 92.2 (86.6–95.6) |
>1 | 155 | 73 | 64.5 (56.7–71.6) | 95.9 (88.6–98.6) | |
Em síntese, o valor preditivo positivo e o valor preditivo negativo observados demonstram a utilidade do qXR-LNMS para prever o risco provável de nódulos pulmonares incidentais benignos e malignos na radiografia de tórax contra a avaliação do radiologista de tomografia computadorizada de baixa dose. “Esses resultados apoiam o uso de triagem habilitada por inteligência artificial de achados incidentais na radiografia de tórax para otimizar os fluxos de trabalho de triagem de câncer de pulmão em diversos ambientes de saúde”, concluem os autores.
O estudo foi financiado pela AstraZeneca International e está registrado em ClinicalTrials.Gov, NCT05817110.
Referência:
262MO - Real-world validation of artificial intelligence-defined lung nodule malignancy score (qXR-LNMS) in predicting risk of lung cancer
Speaker: Deniz Koksal (Ankara, Türkiye)
