Nova IA pode poupar milhares de pacientes com cancro da mama de quimioterapia desnecessária.

Em hospitais e clínicas de todo o mundo, médicas e médicos deparam-se todos os dias com a mesma decisão difícil: será suficiente operar e fazer hormonoterapia, ou a doente precisa também de uma quimioterapia pesada? Um novo modelo de IA do Technion – Israel Institute of Technology entra precisamente neste ponto, ao analisar amostras de tecido de forma a tornar muito menos frequentes os tratamentos desnecessários.

Porque é tão delicada a decisão de avançar para quimioterapia

O cancro da mama é a neoplasia maligna mais comum nas mulheres. Entre os subtipos, os tumores hormonodependentes e HER2-negativos são particularmente frequentes: representam cerca de 70% dos aproximadamente 2,3 milhões de novos casos anuais no mundo. É precisamente neste grupo que há anos se discute o essencial: quem beneficia mesmo de quimioterapia - e quem acaba a ser sobretratada “por precaução”?

Hoje, a decisão clínica apoia-se sobretudo em factores tradicionais, como:

• dimensão do tumor e agressividade (grau)
• envolvimento dos gânglios linfáticos
• estado dos receptores hormonais (receptores de estrogénio e progesterona)
• estado HER2
• quando aplicável, resultados de testes genéticos dispendiosos, como o Oncotype DX

A partir destas peças, constrói-se uma estimativa: qual é o risco de recidiva? E em que medida a quimioterapia poderá reduzir esse risco? É aqui que surgem as maiores incertezas - e é também aqui que a qualidade de vida da doente fica em jogo.

Nos últimos anos, testes de assinatura genética como o Oncotype DX ajudaram a clarificar decisões. No entanto, cada análise custa na ordem dos 3 500 dólares, pode demorar vários dias e, em muitos países, simplesmente não está disponível. Mesmo em sistemas de saúde com mais recursos, o custo e a burocracia dificultam a utilização rotineira.

Como o modelo de IA do Technion trabalha com imagens digitais de tecido

A equipa do Technion segue uma estratégia diferente. Em vez de sequenciar genes do tecido tumoral, o seu modelo de IA avalia directamente imagens digitais de cortes histológicos - as mesmas lâminas que já são preparadas de forma rotineira para estabelecer o diagnóstico.

Para isso, recorrem a cortes corados com técnicas padrão (coloração por hematoxilina-eosina), como as que qualquer serviço de anatomia patológica produz. As lâminas são digitalizadas com um scanner e, de seguida, processadas por um algoritmo de aprendizagem profunda (deep learning).

A IA procura padrões no tumor e no seu microambiente que o olho humano consegue observar, mas não consegue transformar de forma consistente em valores numéricos. A partir destes sinais subtis, o sistema calcula um score de risco de 0 a 100 - incluindo uma previsão de quanto a quimioterapia poderá reduzir o risco de recidiva.

A ideia aproxima-se da diferença entre fazer um teste genético e olhar para um espelho: em vez de decompor o ADN em detalhe, a IA analisa o “resultado final”, isto é, o próprio tecido. Certas formas celulares, padrões de organização e respostas do sistema imunitário podem indicar a agressividade biológica do tumor.

Validação com dados de mais de 8 000 doentes numa grande investigação

A questão decisiva é simples: a IA produz uma estimativa clinicamente útil ou apenas uma teoria elegante? Para responder, o grupo recorreu à grande investigação randomizada TAILORx. Este estudo acompanhou mais de 10 000 mulheres com cancro da mama hormonodependente e HER2-negativo. Para a avaliação do algoritmo, estavam disponíveis dados de 8 284 doentes.

O resultado que chamou a atenção: os scores calculados pela IA ficaram muito próximos dos resultados do teste genético Oncotype DX. Em muitos casos, o modelo identificou de forma fiável tumores com elevado risco genómico - isto é, doentes que tendem a beneficiar mais de quimioterapia.

Ainda mais relevante: como o TAILORx foi um ensaio randomizado, com braços terapêuticos bem definidos, a equipa conseguiu testar se a IA não só antecipa o risco de recidiva, como também estima o benefício da quimioterapia. Esta capacidade é precisamente o que falta a muitos modelos anteriores.

Menos sobretratamento e uma selecção mais precisa de quem precisa de quimioterapia

Na leitura dos investigadores, o potencial é considerável. Em mulheres pós-menopáusicas com score baixo, o oncologista poderia abdicar de quimioterapia com muito mais segurança. Assim, seria possível evitar queda de cabelo, náuseas, fadiga, lesões nervosas e um risco acrescido de infecções - sem perder protecção contra a recidiva.

Ao mesmo tempo, outra população poderá tornar-se mais evidente: algumas doentes mais jovens, nas quais actualmente se decide, por vezes, com excesso de cautela no sentido oposto e que podem acabar por receber menos terapêutica sistémica do que o necessário. Nestes casos, a IA poderia sinalizar que vale a pena ponderar seriamente a quimioterapia, mesmo quando os factores clássicos parecem mais tranquilizadores.

O objectivo não é «abolir» a quimioterapia, mas utilizá-la de forma mais direccionada - nas mulheres que realmente precisam dela, e em mais ninguém.

O algoritmo já foi testado em várias instituições em Israel, nos EUA e na Austrália, incluindo os centros médicos Carmel, Emek e Sheba. Nesses locais, apresentou resultados consistentes, independentemente do tipo de scanner, dos fluxos laboratoriais ou das características da população tratada.

Custos baixos e implementação rápida - especialmente relevante para países com menos recursos

Outro ponto forte é a execução prática. Enquanto um teste genético pode custar vários milhares de dólares e exigir dias a semanas, no caso da IA os requisitos resumem-se a:

• um scan digital dos cortes histológicos já existentes (custos por vezes abaixo de 1 euro)
• carregamento dos dados para um sistema de IA
• cálculo do score em poucos minutos

Não são necessárias novas biópsias, nem procedimentos laboratoriais especiais, nem longas esperas. Qualquer serviço de anatomia patológica com um scanner digital e acesso à Internet poderia, em princípio, adoptar esta análise. É isso que torna a tecnologia apelativa para sistemas de saúde com recursos limitados - por exemplo, em partes da América Latina, de África ou da Ásia.

Nessas regiões, testes de assinatura genética caros são frequentemente incomportáveis. Uma IA que funcione com material padrão abre caminho para uma terapêutica personalizada do cancro da mama que, até agora, tem sido sobretudo possível em países mais ricos.

Limitações: ainda é uma “caixa negra” e há mais estudos planeados

Apesar de os resultados impressionarem, o algoritmo continua a ser, por agora, uma típica “caixa negra”. Ou seja, gera um score, mas é difícil explicar de forma transparente todos os passos que conduzem àquele valor. Para muitos oncologistas, isto é um entrave, porque as decisões terapêuticas têm de ser justificadas - perante doentes, comissões e financiadores.

Para aumentar a confiança, a equipa planeia estudos prospectivos no Brasil e na Índia, onde a IA deverá ser integrada em tempo real na prática clínica. Só se ficar demonstrado que, com apoio do sistema, as doentes são efectivamente orientadas melhor - e não apresentam piores resultados - é que a adopção se poderá tornar generalizada.

Onde estão as oportunidades e os riscos para as doentes

Para quem enfrenta a doença, uma decisão apoiada por IA pode parecer abstracta. Na prática, traduz-se em pontos muito concretos:

• Vantagens: menos exposição desnecessária a toxicidade, menos sequelas a longo prazo, planeamento terapêutico mais rápido, maior clareza na conversa com a equipa assistente
• Riscos: possível avaliação incorrecta em casos individuais, dependência da qualidade dos scans do tecido, compreensão limitada dos mecanismos por detrás do score
• Condições necessárias: patologistas e oncologistas bem treinados para interpretar o valor, e orientações claras sobre quando e como utilizar a medida fornecida pela IA

Mantém-se um princípio essencial: a IA não substitui a médica ou o médico. Acrescenta uma perspectiva adicional, baseada em dados, que deve ser integrada na avaliação global. No fim, a decisão é sempre tomada por uma equipa humana, em conjunto com a doente.

O que as doentes já podem perguntar hoje

Mesmo que este modelo específico do Technion ainda não esteja a ser usado em clínicas na Alemanha, reforçou claramente a tendência: sair da quimioterapia aplicada de forma generalista e avançar para escolhas mais diferenciadas. Já hoje, as doentes podem colocar questões como:

• Que factores pesam, no meu caso, a favor ou contra a quimioterapia?
• Foi utilizado um teste de assinatura genética ou outro modelo de risco?
• Existem estudos ou ferramentas que ajudem a enquadrar melhor o meu benefício individual?
• Qual seria o meu risco de recidiva, com e sem quimioterapia, em números?

Quando se percebe como a equipa médica chega à sua estimativa, torna-se mais fácil participar na decisão e ponderar efeitos secundários de forma mais realista.

Como a IA poderá transformar a oncologia a longo prazo

O trabalho actual no cancro da mama será, provavelmente, apenas o começo. Existem imagens histológicas em praticamente todos os diagnósticos oncológicos. Se modelos de IA aprenderem padrões a partir desses dados, poderá vir a ser possível refinar decisões terapêuticas também no cancro do cólon, da próstata ou do pulmão.

São plausíveis cenários em que o patologista, ao observar a lâmina digital, recebe de imediato várias camadas de informação: risco de recidiva, benefício de diferentes terapêuticas, sinais associados a alterações genéticas específicas - tudo sem testes laboratoriais adicionais. Isto reduz custos e tempo e pode elevar a qualidade dos cuidados a nível global.

Em paralelo, aumenta a necessidade de regras claras: quem assume a responsabilidade se uma recomendação de IA se revelar errada? Como proteger algoritmos de enviesamentos causados por dados de treino desequilibrados? E como garantir a liberdade de decisão clínica, se seguradoras ou financiadores passarem a apoiar-se em excesso em scores automatizados?

A IA desenvolvida em Israel não oferece respostas prontas, mas deixa um marco evidente: a terapêutica do cancro da mama tem de ser mais individualizada - e ferramentas digitais podem ajudar a encontrar o equilíbrio certo entre probabilidade de cura e qualidade de vida.