Para um pequeno grupo de pacientes com câncer, uma incerteza dolorosa persiste: os médicos não conseguem identificar a origem exata da doença. Essa incerteza torna o processo de escolha do tratamento um verdadeiro desafio, já que muitos medicamentos oncológicos são desenvolvidos para tipos de câncer específicos.
Porém, uma nova esperança surge graças aos esforços conjuntos de pesquisadores do MIT e do Instituto do Câncer Dana-Farber. Eles desenvolveram uma abordagem inovadora, alavancando a inteligência artificial (IA) para mapear a origem dos cânceres de difícil diagnóstico. Essa abordagem utiliza um modelo computacional alimentado por aprendizado de máquina que analisa a sequência genética de aproximadamente 400 genes, permitindo prever de onde um tumor específico teve origem no corpo.
Introdução ao Desafio
Para aproximadamente 3% a 5% dos pacientes com câncer, especialmente aqueles com tumores que se espalharam pelo corpo, identificar a origem exata do câncer torna-se uma tarefa desafiadora para os médicos. Esses tipos de câncer são conhecidos como “cânceres de origem primária desconhecida” (CUP, na sigla em inglês).
Essa lacuna de conhecimento frequentemente impede os médicos de prescreverem medicamentos de precisão aos pacientes. Esses medicamentos, que são aprovados para tipos específicos de câncer, tendem a ser mais eficazes e causar menos efeitos colaterais do que tratamentos genéricos que são usados para uma ampla gama de cânceres.
A IA Assume o Desafio
Intae Moon, um estudante de pós-graduação do MIT em engenharia elétrica e ciência da computação, liderou uma equipe que resolveu explorar dados genéticos rotineiramente coletados no Dana-Farber. Eles se perguntaram se esses dados poderiam ser uma fonte valiosa para prever o tipo de câncer. A equipe treinou um modelo de aprendizado de máquina com dados de quase 30.000 pacientes diagnosticados com 22 tipos conhecidos de câncer como mostra o MIT News.
Esse modelo, denominado OncoNPC, foi então testado em cerca de 7.000 tumores com origens conhecidas, mas que o modelo nunca havia analisado anteriormente. Surpreendentemente, o modelo conseguiu prever a origem desses tumores com cerca de 80% de precisão. Para os tumores em que as previsões eram mais confiantes, a precisão aumentou para impressionantes 95%.
Um Resultado Promissor
Os pesquisadores ampliaram seu estudo, aplicando o modelo a cerca de 900 tumores de pacientes com CUP. Nessa fase, o modelo conseguiu fazer previsões com alta confiança para 40% desses tumores.
Uma validação adicional das previsões do modelo veio da comparação dos dados de sobrevivência dos pacientes com CUP com os prognósticos típicos para o tipo de câncer previsto pelo modelo. Os resultados mostraram que os pacientes com previsões de cânceres de prognóstico desfavorável tinham tempos de sobrevivência mais curtos, enquanto aqueles com previsões de cânceres com prognósticos mais positivos tinham tempos de sobrevivência mais longos.
Implicações no Tratamento
Outra descoberta notável foi que pacientes com CUP que haviam recebido tratamentos direcionados, com base nas estimativas de seus oncologistas, tiveram melhores resultados quando o tratamento estava alinhado com as previsões do modelo. Essa constatação sugere que o modelo poderia ter um impacto positivo na orientação das decisões de tratamento.
Além disso, o modelo identificou que outros 15% dos pacientes poderiam ter se beneficiado de tratamentos direcionados já existentes, caso a origem de seus cânceres fosse conhecida. Em vez disso, esses pacientes foram submetidos a tratamentos mais amplos com quimioterapia.
O Futuro da IA na Detecção do Câncer
Os pesquisadores estão otimistas com o potencial do modelo e planejam expandi-lo para incluir outros tipos de dados, como imagens de patologia e radiologia. Isso possibilitaria previsões mais abrangentes e precisas, considerando múltiplas modalidades de dados. O objetivo final é não apenas prever o tipo de tumor e o resultado do paciente, mas também sugerir tratamentos otimizados.
Essa pesquisa foi financiada por várias instituições, incluindo os Institutos Nacionais de Saúde, a Fundação Louis B. Mayer, a Fundação de Caridade Doris Duke, a Phi Beta Psi Sorority e o Emerson Collective. Essa abordagem inovadora oferece uma nova esperança para pacientes com câncer enfrentando o desafio de origens desconhecidas de tumores, abrindo portas para tratamentos mais personalizados e eficazes.
