A IA do Technion na decisão da quimioterapia no cancro da mama

No tratamento do cancro da mama, o tempo conta - muitas vezes cada semana, por vezes cada dia. Depois de uma cirurgia, decidir se ainda é necessária quimioterapia continua a ser uma das escolhas mais difíceis para médicas e médicos. Um novo modelo de IA desenvolvido em Israel pretende reduzir substancialmente essa incerteza - e poupar a muitas doentes terapêuticas exigentes e desgastantes.

Porque é tão delicada a decisão “quimio sim ou não?”

O cancro da mama é, a nível mundial, o tipo de cancro mais frequente nas mulheres. Uma das variantes mais comuns é a forma hormono-dependente e HER2-negativa. Esta, em particular, representa cerca de 70% dos aproximadamente 2,3 milhões de casos anuais. E é precisamente neste grupo alargado que a avaliação do risco se torna especialmente complexa.

Após a cirurgia, a equipa de oncologia tem de optar entre dois caminhos: será suficiente uma terapêutica anti-hormonal ou deverá a doente receber também quimioterapia para reduzir ao máximo a probabilidade de recidiva? Actualmente, esta decisão apoia-se, entre outros factores, em:

• tamanho do tumor e grau de agressividade (grau)
• presença de metastização em gânglios linfáticos
• estado dos receptores hormonais
• estado HER2
• quando aplicável, testes genómicos como o Oncotype DX

Testes genéticos como o Oncotype DX fornecem um Recurrence Score, isto é, uma estimativa da probabilidade de o cancro voltar. Essa informação ajuda a perceber se a quimioterapia acrescenta um benefício clínico relevante. No entanto, estes métodos trazem vários obstáculos: custam cerca de 3.500 dólares por análise, dependem de laboratórios especializados, demoram dias e, em muitos países, têm acesso limitado.

“Perfis genéticos caros para poucos - ou uma análise de imagem que, em princípio, qualquer anatomia patológica com um scanner consegue fazer em minutos: é exactamente aqui que a nova IA entra.”

O resultado é que muitas mulheres nunca chegam a realizar um teste genómico. Algumas acabam por receber quimioterapia “por precaução” (sobretatamento), enquanto outras podem ficar sem uma quimioterapia que, de facto, reduziria o seu risco de recidiva.

Como a IA para cancro da mama extrai prognóstico a partir de imagens de tecido

A equipa do Technion – Israel Institute of Technology está a desenvolver um modelo na área da aprendizagem profunda (deep learning). O ponto de partida são cortes histológicos padrão, produzidos de rotina para o diagnóstico. Estes cortes são corados com hematoxilina-eosina, digitalizados no laboratório e, depois, introduzidos no algoritmo.

A IA analisa toda a “paisagem” do tecido: não apenas as células tumorais, mas também o estroma circundante, células imunitárias, vasos sanguíneos e padrões estruturais. Nesses padrões podem existir sinais biológicos complexos que o olho humano só consegue detectar ou interpretar de forma limitada.

A partir daí, o sistema calcula um valor numérico entre 0 e 100. Esse score reflecte dois aspectos:

• o risco de o cancro da mama voltar ao fim de alguns anos
• o benefício concreto da quimioterapia para aquela doente em particular

Desta forma, o modelo pretende ir além de uma simples estratificação de risco. A ambição é prever em que situações a quimioterapia melhora o curso da doença de tal forma que os efeitos adversos, o tempo e os custos se justificam - e em que situações não.

“Em vez de analisar o plano (genes), a IA olha directamente para o ‘produto’ final: o tecido tumoral. A partir da assinatura visual, deduz recomendações terapêuticas.”

Validada com dados do estudo TAILORx

Para treinar e testar o modelo, as investigadoras e os investigadores recorreram aos dados do grande estudo randomizado TAILORx. O projecto acompanhou mais de 10.000 mulheres com cancro da mama hormono-dependente e HER2-negativo. Para a avaliação específica desta IA, ficaram 8.284 casos em que existiam, em simultâneo, imagens histológicas e dados do Oncotype DX.

O resultado: os scores produzidos pela IA ficaram próximos dos obtidos pelo teste genómico estabelecido. O sistema identificou de forma fiável a maioria dos tumores com risco genómico elevado. De acordo com as autoras e os autores do trabalho publicado na The Lancet Oncology, a partir dos dados do TAILORx não só se estima o risco de recidiva como também o benefício adicional real da quimioterapia - um ponto diferenciador essencial.

Menos quimioterapias desnecessárias, terapias mais ajustadas

Com base na análise feita até agora, a equipa de investigação antecipa alterações significativas nas decisões terapêuticas. O foco recai sobretudo em dois grupos:

• Mulheres após a menopausa: muitas poderão ser classificadas numa categoria de baixo risco. Para estas doentes, em muitos casos seria possível prescindir de quimioterapia sem piorar o prognóstico.
• Doentes mais jovens: aqui, alguns riscos parecem estar subestimados. O score de IA poderia levar a que certas mulheres fossem consideradas como necessitando de tratamento mais intensivo e, assim, recebessem uma quimioterapia que até agora não lhes era proposta.

É precisamente este nível de afinação que se procura. Não uma lógica de “quimioterapia para todas” nem “o mínimo de quimioterapia possível”, mas uma decisão tão individual quanto possível, sustentada por dados.

“A IA pretende garantir que cada doente recebe a intensidade terapêutica que corresponde ao perfil biológico do seu tumor - nem mais, nem menos.”

Em validações multicêntricas, o desempenho do sistema foi semelhante em hospitais de Israel, dos EUA e da Austrália. Entre outros, as unidades Carmel, Emek e Sheba testaram a abordagem. Observou-se que a performance se manteve estável entre diferentes equipamentos, rotinas laboratoriais e perfis de doentes.

Mais barato, mais rápido e aplicável em todo o mundo?

Um dos maiores trunfos desta abordagem pode ser o acesso. Para obter o resultado da IA não são necessárias biópsias adicionais, nem envios de amostras, nem meses de trocas administrativas para reembolso. É suficiente:

• o corte histológico já existente
• um scanner de patologia digital
• uma ligação à Internet para acesso ao sistema de análise

Como a digitalização de lâminas já está a crescer em muitos serviços de anatomia patológica, o processo pode tornar-se cada vez mais simples. A rotulagem/numeração de lâminas custa menos de 1 dólar - em contraste com vários milhares de dólares por um único teste genético. E a análise por IA demora apenas alguns minutos.

Isto pode ser particularmente transformador em países de rendimento médio ou baixo, onde frequentemente faltam tanto a infra-estrutura como o orçamento para laboratórios genómicos especializados. Com um scanner digital e acesso à IA, a planificação de terapêutica personalizada passaria a ser viável.

“Caixa-preta” e dúvidas em aberto

Tal como acontece com muitos modelos de aprendizagem profunda, a lógica interna é difícil de escrutinar. Os próprios desenvolvedores falam numa “caixa-preta”. Em oncologia, isto tende a gerar resistência: quando não é claro quais os elementos da imagem que pesam mais, confiar no algoritmo torna-se mais exigente.

Por isso, antes de o método ser adoptado de forma alargada em recomendações e normas clínicas, estão a decorrer novos estudos prospectivos, incluindo no Brasil e na Índia. O objectivo é confirmar se os efeitos terapêuticos previstos também se verificam na prática - com decisões reais, efeitos adversos reais e seguimentos de longo prazo.

O que as doentes devem saber sobre estes modelos de IA

A palavra “IA” pode soar a algo quase mágico, mas o que está por trás é estatística aplicada. O sistema aprende, a partir de milhares de exemplos, que padrões visuais se associam a determinados desfechos clínicos. Para as pessoas afectadas, há pontos que importam especialmente:

• A IA não substitui a médica ou o médico. Funciona como mais um elemento na decisão, tal como um valor laboratorial ou um achado de ressonância magnética.
• Podem ocorrer erros. Nenhum modelo acerta 100% das previsões; o propósito é melhorar claramente, em média, a qualidade das decisões.
• A transparência é importante. As doentes devem perceber que se trata de uma ferramenta estatística - não de uma garantia a favor ou contra uma recidiva.

Em particular para mulheres jovens com desejo de maternidade ou com família constituída, estes instrumentos podem aliviar dilemas. Enfrentar meses de quimioterapia, queda de cabelo e possíveis efeitos tardios torna-se uma decisão menos baseada em intuição quando a evidência parece mais robusta.

Riscos, limitações e perspectivas

Persistirá sempre um risco residual: mesmo um score baixo de IA não elimina a possibilidade de recidiva. Quem segue uma recomendação sem quimioterapia terá de viver com essa margem de incerteza. Em sentido inverso, a IA pode sugerir quimioterapia que, no fim, não traz benefício mensurável - mas os efeitos secundários continuam a ser concretos.

A infra-estrutura tecnológica também pesa. Nem todos os hospitais dispõem de scanners de elevada qualidade, redes estáveis ou políticas sólidas de protecção de dados para transferir imagens clínicas sensíveis. Isto cria novas responsabilidades para os sistemas de saúde e para decisores políticos.

Ainda assim, a proposta ilustra como a oncologia está a evoluir para uma medicina personalizada e orientada por dados. Em vez de recomendações generalistas, ganham espaço decisões finas, ponderando risco e benefício. Para muitas doentes com cancro da mama, isso pode traduzir-se, de forma muito prática, em menos quimioterapia, menos receio de sobretratamento ou subtratamento - e escolhas terapêuticas mais bem fundamentadas do que antes.