Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde# Oncologia

Desafios em Avaliar a Extensão Extranodal no Câncer Orofaringeal

Analisando as dificuldades em identificar a extensão extranodal e seu impacto no tratamento.

― 6 min ler


Avaliação ENE noAvaliação ENE noTratamento do CâncerENE no câncer orofaríngeo.Investigando os desafios da detecção de
Índice

A extensão extranodal (ENE) se refere a uma condição em que as células cancerígenas se espalham para fora da cápsula do linfonodo onde começaram. Isso é um fator importante para entender como diferentes tipos de câncer, especialmente o Câncer orofaríngeo (OPC) e o carcinoma espinocelular de cabeça e pescoço (HNSCC), podem se comportar e responder ao tratamento. Para quem tem câncer orofaríngeo causado pelo HPV, saber se a ENE está presente pode ajudar os médicos a decidirem as melhores opções de tratamento.

A Importância da ENE

Quando os médicos avaliam pacientes com câncer orofaríngeo, eles prestam atenção especial à ENE. Pesquisas mostram que pacientes com ENE podem ter uma chance de sobrevivência muito menor quando tratados cirurgicamente. Isso significa que, se eles tiverem ENE, podem precisar de tratamentos adicionais como quimioterapia ou radioterapia após a cirurgia. Por outro lado, se um paciente provavelmente não tiver ENE, os médicos podem sugerir opções de tratamento menos intensivas, como apenas a cirurgia.

Dado quão crucial é determinar o status de ENE de cada paciente antes de iniciar o tratamento, exames de imagem são frequentemente utilizados. Esses testes podem revelar se o câncer se espalhou além do local original. No entanto, identificar esse status com precisão através da imagem pode ser complicado, levando a diferentes escolhas de tratamento que nem sempre são corretas.

Métodos Atuais para Identificar ENE

Tradicionalmente, a maneira mais confiável de confirmar a ENE é através de uma Biópsia dos linfonodos, onde uma pequena amostra de tecido é examinada ao microscópio. Os médicos avaliam o tecido em busca de sinais de espalhamento do câncer. No entanto, muitos médicos também confiam em técnicas de imagem, como Tomografias computadorizadas (TC), para procurar sinais de ENE sem precisar de um procedimento invasivo.

Embora usar TC pareça conveniente, pesquisas mostram que diferentes médicos podem interpretar essas imagens de maneira diferente. Por exemplo, estudos indicam que pode haver uma variação significativa em quão precisamente Radiologistas, cirurgiões e oncologistas de radiação conseguem detectar ENE a partir de imagens. Esse desentendimento entre especialistas destaca um problema maior no tratamento do câncer orofaríngeo.

Perspectivas Diferentes dos Especialistas

No tratamento do câncer orofaríngeo, uma equipe de especialistas normalmente trabalha junta. Essa equipe pode incluir radiologistas que analisam imagens, cirurgiões que realizam operações e oncologistas de radiação que fornecem terapia de radiação. As decisões tomadas por essa equipe podem influenciar bastante como os pacientes respondem ao tratamento.

Como cada especialidade pode examinar as TC à sua maneira, isso leva a diferenças de opinião sobre se um paciente realmente tem ENE. Essas diferenças podem resultar em planos de tratamento conflitantes, que podem não levar aos melhores resultados para os pacientes.

O que o Estudo Revelou

Para entender como diferentes especialistas conseguem identificar ENE usando TC, pesquisadores realizaram um estudo com um grande número de clínicos. Esses especialistas incluíam radiologistas, cirurgiões e oncologistas de radiação que analisaram as imagens de pacientes com câncer orofaríngeo HPV positivo confirmado. O objetivo era ver quão precisamente esses médicos podiam prever se a ENE estava presente com base apenas nas imagens.

Os resultados foram preocupantes. A precisão geral de todos os especialistas em prever o status de ENE foi baixa. Eles muitas vezes não conseguiam concordar em suas avaliações, e suas previsões não eram melhores que o acaso. Isso sugere que confiar apenas em imagens para o status de ENE poderia levar a decisões de tratamento ruins.

Principais Descobertas do Estudo

  1. Baixa Precisão: O estudo descobriu que os especialistas tinham dificuldade em identificar ENE com precisão a partir das TC. O desempenho combinado deles mostrou que muitas vezes erravam.

  2. Desacordos entre Especialistas: Diferentes tipos de médicos apresentaram níveis variados de precisão. Os cirurgiões tendiam a ser mais cautelosos, fazendo com que superestimassem ou subestimassem a probabilidade de ENE. Os oncologistas de radiação mostraram melhor especificidade, o que significa que eram mais precisos em identificar casos que não tinham ENE.

  3. Variabilidade no Desempenho: A inconsistência em como diferentes médicos avaliavam as imagens mostrou que nenhuma especialidade tinha uma vantagem clara sobre as outras na previsão de ENE. Essa inconsistência destaca a necessidade de uma abordagem mais padronizada.

  4. Preditores Significativos de ENE: Algumas características específicas nas TC ajudaram a prever a presença de ENE. Por exemplo, contornos capsulares indistintos e emaranhados nodais foram fortes indicadores. No entanto, também havia características que, quando presentes, sugeriam a ausência de ENE.

A Necessidade de Melhorias

As descobertas destacam uma necessidade significativa de melhoria na forma como a ENE é avaliada em pacientes com câncer orofaríngeo. A atual dependência da interpretação humana das imagens não fornece a precisão necessária para tomar decisões de tratamento. Com a variabilidade nas interpretações entre diferentes especialistas, é claro que métodos mais confiáveis são necessários.

Uma solução potencial é melhorar o treinamento para profissionais de saúde sobre os critérios usados para avaliar a ENE a partir de imagens. Ao melhorar a educação e padronizar a interpretação das TC, os médicos podem se tornar mais consistentes em suas avaliações.

O Papel da Tecnologia

Nos últimos anos, avanços em tecnologia abriram novas portas para melhorar a detecção de ENE. Aprendizado de máquina e inteligência artificial estão sendo explorados para analisar imagens médicas com mais precisão. Essas tecnologias poderiam ajudar a reduzir erros humanos, fornecendo uma segunda opinião baseada em milhares de imagens, fazendo previsões com base em padrões reconhecidos nos dados.

Usar essas tecnologias pode agilizar o processo de identificação da ENE, levando a uma melhor tomada de decisão no planejamento do tratamento. Além do aprendizado de máquina, incorporar ferramentas como ressonâncias magnéticas e exames PET poderia ajudar a criar uma imagem mais abrangente da condição do paciente.

Conclusão

A extensão extranodal é um fator chave no tratamento do câncer orofaríngeo, afetando significativamente os resultados dos pacientes. Infelizmente, os métodos atuais para prever o status de ENE através da imagem são limitados pela falta de concordância entre especialistas. Isso leva a decisões de tratamento inconsistentes que podem não beneficiar os pacientes como pretendido.

Para melhorar a precisão da identificação de ENE, há uma necessidade urgente de melhor treinamento entre os especialistas e um impulso em direção a métodos assistidos por tecnologia. À medida que o campo da imagem médica continua a evoluir, a esperança é que novas técnicas surjam, permitindo avaliações mais confiáveis e, por fim, levando a melhores resultados para os pacientes com câncer.

Fonte original

Título: International Multi-Specialty Expert Physician Preoperative Identification of Extranodal Extension in Oropharyngeal Cancer Patients using Computed Tomography: Prospective Blinded Human Inter-Observer Performance Evaluation.

Resumo: ImportanceExtranodal extension (pENE) is a critical prognostic factor in oropharyngeal cancer (OPC) that drives therapeutic disposition. Determination of pENE from radiological imaging has been associated with high inter-observer variability. However, the impact of clinician specialty on human observer performance of imaging-detected extranodal extension (iENE) remains poorly understood. ObjectiveTo characterize the impact of clinician specialty on the accuracy of pre-operative iENE in human papillomavirus-positive (HPV+) OPC using computed tomography (CT) images. Design, Setting, and ParticipantsThis prospective observational human performance study analyzed pre-therapy CT images from 24 HPV+ OPC patients, with duplication of 6 scans (n=30) of which 21 were pathologically confirmed pENE. Thirty-four expert observers, including 11 radiologists, 12 surgeons, and 11 radiation oncologists, independently assessed these scans for iENE and reported human-detected radiologic criteria and observer confidence. Main Outcomes and MeasuresThe primary outcomes included accuracy, sensitivity, specificity, area under the receiver operating characteristic curve (AUC), and Brier score for each physician, compared to ground-truth pENE. The significance of radiographic signs for prediction of pENE were determined through logistic regression analysis. Fleiss kappa measured interobserver agreement, and Hanley-MacNeil AUC discrimination testing. ResultsMedian accuracy across all specialties was 0.57 (95%CI 0.39 to 0.73), with no specialty showing discriminate performance greater than random estimation (median AUC 0.64, 95%CI 0.44 to 0.83). Significant differences between radiologists and surgeons in Brier scores (0.33 vs. 0.26, p < 0.01), radiation oncologists and surgeons in sensitivity (0.48 vs. 0.69, p > 0.1), and radiation oncologists and radiologists/surgeons in specificity (0.89 vs. 0.56, p > 0.1). Indistinct capsular contour and nodal necrosis were significant predictors of correct pENE status among all specialties. Interobserver agreement was weak for all the radiographic criteria, regardless of specialty ({kappa} View larger version (38K): [email protected]@177f053org.highwire.dtl.DTLVardef@142fcc6org.highwire.dtl.DTLVardef@e14eb0_HPS_FORMAT_FIGEXP M_FIG Visual Abstract C_FIG

Autores: Clifton David Fuller, Multidisciplinary Oropharyngeal Cancer Extra-Nodal Extension (OPC ENE) Assessment Working Group, O. Sahin, S. Kamel, K. A. Wahid, C. Dede, N. Taku, R. He, M. A. Naser, S. Sharafi, A. Mäkitie, B. H. Kann, K. Kaski, J. Sahlsten, J. Jaskari, M. Amit, G. M. Chronowski, E. M. Diaz, A. S. Garden, R. P. Goepfert, J. P. Guenette, G. B. Gunn, J. Hirvonen, F. Hoebers, K. A. Hutcheson, N. Guha-Thakurta, J. Johnson, D. Kaya, S. D. Khanpara, K. Nyman, S. Y. Lai, M. Lango, K. O. Learned, A. Lee, C. M. Lewis, A. Maniakas, A. C. Moreno, J. N. Myers, J. Phan, K Pytynia

Última atualização: 2024-06-08 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2023.02.25.23286432

Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.02.25.23286432.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes