Pesquisadores do Inca desenvolvem ferramenta de IA para prever agressividade do câncer de ovário

Um avanço promissor no combate ao câncer de ovário, o mais letal entre os tumores ginecológicos, surge com o desenvolvimento de um modelo de inteligência artificial (IA) capaz de estimar o prognóstico de pacientes com o subtipo mais agressivo da doença. A pesquisa, conduzida pelo Laboratório de Bioinformática e Biologia Computacional do Instituto Nacional de Câncer (Inca), foca em microRNAs (miRNAs) como potenciais biomarcadores para identificar a evolução do tumor e auxiliar na personalização de tratamentos futuros. As descobertas foram publicadas no periódico The Lancet Regional Health – Americas.

O câncer de ovário apresenta um desafio diagnóstico significativo, uma vez que a maioria dos casos é detectada em estágios avançados, quando as chances de cura diminuem drasticamente. Em contrapartida, o diagnóstico precoce eleva a sobrevida em cinco anos para mais de 90%. A ausência de métodos de rastreamento populacional eficazes, como o marcador CA-125 ou a ultrassonografia transvaginal isoladamente, que apresentam limitações de sensibilidade e especificidade, contribui para este cenário. Sintomas iniciais, quando presentes, são frequentemente inespecíficos, como distensão abdominal e desconforto pélvico, podendo ser confundidos com outras condições.

O Papel dos MicroRNAs na Detecção Precoce

Os miRNAs, pequenos fragmentos de RNA que regulam a expressão gênica sem gerar proteínas, ganharam destaque na pesquisa oncológica. Eles circulam de forma estável no sangue e seus padrões de expressão se alteram caracteristicamente com o desenvolvimento tumoral. Essa característica levanta a hipótese de que a análise do conjunto de miRNAs circulantes poderia, teoricamente, detectar sinais moleculares do câncer antes mesmo do aparecimento de sintomas ou achados em exames de imagem. Essa abordagem é a base do conceito de biópsia líquida, um exame minimamente invasivo que busca identificar a doença em seus estágios iniciais.

Neste estudo específico, os miRNAs foram identificados e medidos diretamente no tecido tumoral de pacientes com câncer de ovário seroso de alto grau (HGSOC), o subtipo mais comum e agressivo. A equipe buscou responder se marcadores moleculares poderiam diferenciar pacientes com melhor ou pior evolução, permitindo, assim, abordagens terapêuticas distintas.

IA e MiRNAs: Uma Nova Fronteira no Prognóstico

Utilizando técnicas de IA e aprendizado de máquina, os pesquisadores analisaram dados de centenas de pacientes, identificando miRNAs associados a processos cruciais para a agressividade do câncer, como a formação de vasos sanguíneos (angiogênese), invasão de tecidos, metástase e resistência à quimioterapia. Ao combinar as informações desses miRNAs com dados clínicos como idade e estágio da doença, foi desenvolvido um modelo preditivo.

O modelo, composto por nove miRNAs e dados clínicos, demonstrou capacidade de distinguir, de forma promissora, pacientes com maior e menor risco de morte precoce. A precisão alcançada é considerada encorajadora para pesquisas desta natureza, indicando que o modelo capta informações relevantes sobre a agressividade da doença.

Testes e Próximos Passos

A validação do modelo em um grupo independente de 40 pacientes brasileiras tratadas no Inca apresentou resultados mistos. Enquanto a pontuação de risco contínua gerada pelo modelo mostrou-se um indicador independente e significativo da sobrevida, mesmo após ajuste para outros fatores como idade, estágio do tumor e níveis de CA-125, a classificação binária em grupos de “bom” ou “mau” prognóstico não atingiu o mesmo desempenho.

Os resultados com as curvas de sobrevivência de Kaplan-Meier confirmaram que o modelo reflete informações reais sobre a agressividade tumoral. No entanto, aprimoramentos são necessários para refinar a divisão das pacientes em categorias prognósticas fechadas. Por ora, a ferramenta é vista como um suporte à decisão clínica e necessita de confirmação em estudos maiores antes de ser implementada em rotina. A pesquisa sugere que a combinação de exames, incluindo a análise de miRNAs, pode fornecer informações mais detalhadas, auxiliando no acompanhamento intensivo, personalização de tratamentos e previsão de recaídas, avançando assim na medicina de precisão para o câncer de ovário.