Ann Med Surg (Lond). 2025 Nov 4;87(12):9196-9197. doi: 10.1097/MS9.0000000000004249. eCollection 2025 Dec.

RESUMO

Alcançar margens cirúrgicas negativas é fundamental para a cirurgia curativa do câncer colorretal (CCR). Apesar dos avanços em imagens, a identificação pré-operatória do risco de margem ainda é limitada. Desenvolvimentos recentes em inteligência artificial (IA) agora permitem a fusão de radiômica, análise quantitativa de imagens e histopatologia (patômica) para prever com mais precisão a disseminação microscópica do tumor. A radiômica captura características texturais e espaciais subvisuais a partir de CT e MRI, enquanto a histopatologia impulsionada por IA interpreta lâminas digitais com resolução celular. A integração dessas modalidades resulta em um modelo multiescala que reflete tanto a arquitetura macroscópica do tumor quanto a invasividade microscópica. Estudos multicêntricos na China e nos EUA demonstraram superioridade no desempenho de modelos radiopatomínicos em relação a abordagens de uma única modalidade para prever resposta terapêutica e status da margem. À medida que países como o Reino Unido e a Coreia do Sul implementam estruturas de oncologia de precisão impulsionadas por IA, a validação transparente permanece essencial. Ao possibilitar um planejamento cirúrgico mais informado e ressecções personalizadas, a fusão de IA multimodal poderia melhorar significativamente os resultados oncologicos no CCR.

Conteúdo Patrocinado

PMID:41377450 | PMC:PMC12688794 | DOI:10.1097/MS9.0000000000004249

Para ler a postagem completa, visite o original: Leia a Postagem Completa