IA do Technion prevê o benefício da quimioterapia no cancro da mama a partir de cortes de tecido

Em Israel, uma equipa de investigação desenvolveu uma inteligência artificial (IA) capaz de prever, a partir de cortes histológicos comuns de um tumor da mama, quais as doentes que têm realmente a ganhar com quimioterapia - e quais as que poderão evitar esse tratamento exigente e os seus efeitos secundários. A promessa é dupla: tornar as decisões terapêuticas mais precisas e, ao mesmo tempo, reduzir custos de forma significativa.

Porque é tão delicado decidir a favor ou contra uma quimioterapia

Depois da cirurgia ao cancro da mama, muitas mulheres enfrentam a etapa mais difícil: perceber se faz sentido avançar com quimioterapia adicional. Esta terapêutica adjuvante pretende eliminar microfocos tumorais invisíveis e baixar o risco de recidiva. O reverso da medalha é bem conhecido: efeitos adversos relevantes, desde náuseas e queda de cabelo até lesões persistentes do coração ou do sistema nervoso.

O dilema torna-se particularmente complexo numa grande subcategoria da doença: tumores hormonodependentes e HER2-negativos. Este grupo representa cerca de 70% dos aproximadamente 2,3 milhões de novos casos anuais em todo o mundo. Na prática, muitas doentes recebem quimioterapia por rotina apesar de terem, na realidade, um risco de recidiva baixo. Noutras situações, mulheres com probabilidade de evolução mais agressiva podem acabar por não receber tratamento suficiente.

Hoje, os oncologistas baseiam-se sobretudo em factores clássicos para orientar a decisão, como:

• dimensão e grau de agressividade do tumor
• gânglios linfáticos axilares afectados
• estado dos receptores hormonais e estado HER2
• quando disponível, testes moleculares como o Oncotype DX

Testes genómicos como o Oncotype DX avaliam a actividade de genes específicos no tumor e devolvem um score de risco de recidiva. Com base nesse valor, as recomendações clínicas apontam quando a quimioterapia tende a ser útil - ou quando é pouco provável que acrescente benefício. O entrave é que estas análises custam cerca de 3.500 dólares por doente, demoram dias a semanas e, em muitas regiões, nem sequer estão acessíveis.

"Em centros oncológicos de países mais ricos, os testes genómicos são usados de forma rotineira. Em grande parte do mundo, porém, a decisão continua a depender sobretudo do instinto do médico - com todas as incertezas que isso implica."

Como a nova IA calcula o benefício da quimioterapia a partir de cortes de tecido

É precisamente aqui que entra o grupo do Technion – Israel Institute of Technology. Os investigadores treinaram um modelo de deep learning para analisar imagens digitais de cortes histopatológicos. Estes cortes já fazem parte do procedimento padrão de avaliação de um tumor: o tecido é fatiado em lâminas finas, corado com corantes como hematoxilina-eosina e observado ao microscópio.

Em vez de depender exclusivamente do olhar humano, a lâmina é digitalizada integralmente em alta resolução. A IA processa essas imagens e procura padrões nas células tumorais e no seu microambiente imediato: forma e organização celular, arquitectura do tecido conjuntivo, vasos sanguíneos, células do sistema imunitário - todos estes elementos entram no cálculo.

Muitos destes sinais microscópicos são demasiado subtis ou complexos para serem identificados com segurança a olho nu. Para redes neuronais, pelo contrário, são um terreno fértil: ao aprenderem com milhares de exemplos, conseguem reconhecer combinações de características associadas a risco elevado de recidiva e, sobretudo, em que casos a quimioterapia traz um ganho adicional mensurável.

No fim, o sistema produz um score numérico entre 0 e 100 que pretende reflectir dois aspectos:

• o risco de o cancro da mama voltar após a cirurgia
• o benefício esperado da quimioterapia para aquela doente em concreto

"Em vez de medir genes num laboratório, o sistema lê, por assim dizer, a 'assinatura óptica' do tumor - directamente a partir da imagem do tecido."

Grande estudo: a IA acompanha o desempenho de um teste genómico dispendioso

Para testar a robustez do método, a equipa do Technion recorreu a dados do estudo TAILORx. Este ensaio randomizado incluiu mais de 10.000 mulheres com cancro da mama hormonodependente e HER2-negativo, cujos tratamentos foram orientados pelo score do Oncotype DX; para a análise em causa, estavam disponíveis dados de 8.284 doentes.

Os investigadores alimentaram a IA com os cortes histológicos digitalizados e colocaram o seu score lado a lado com os resultados do teste genómico. Os principais achados foram:

• a distribuição dos scores da IA ficou muito próxima dos valores do Oncotype DX;
• a maioria dos tumores com risco genómico elevado foi correctamente identificada como de alto risco;
• o algoritmo não se limitou a prever risco de recidiva: também antecipou quais as mulheres que, na prática, beneficiaram da quimioterapia - isto é, apresentaram maior sobrevivência ou menos recidivas.

A abordagem já foi experimentada com dados de hospitais em Israel, nos EUA e na Austrália, incluindo vários grandes centros de cancro da mama. Apesar de diferenças entre equipamentos, técnicas de coloração e perfis de doentes, a taxa de acerto manteve-se consistente. Isto sugere que a solução poderá funcionar para lá de um único laboratório e ter viabilidade em contexto real.

Menos quimioterapia, aplicada de forma mais direccionada

A verdadeira força desta tecnologia está nas consequências práticas sugeridas pelos resultados. A análise indica que uma parte substancial das mulheres na pós-menopausa, com score de IA baixo, poderia dispensar quimioterapia com segurança - sem aumento do risco de recidiva. Para estas doentes, isso significaria evitar um tratamento pesado, tanto física como psicologicamente.

No extremo oposto, há sinais de que algumas doentes mais jovens, com tumores que parecem pouco preocupantes pelos critérios habituais, podem carregar um risco mais elevado do que se supunha. Nesses casos, a IA poderia recomendar quimioterapia a tempo - um tratamento que hoje talvez nem fosse equacionado.

"A visão: cada doente recebe exactamente a intensidade de tratamento de que precisa - nem mais, nem menos."

Para os sistemas de saúde, o potencial ganho é igualmente duplo. Por um lado, seria possível evitar milhares de quimioterapias desnecessárias e os custos associados, incluindo internamentos e sequelas tardias. Por outro, a capacidade libertada poderia ser usada para acompanhar mais de perto doentes de alto risco e para implementar terapêuticas inovadoras.

Factor custo: menos de um dólar em vez de 3.500

O preço é um dos pontos-chave. Enquanto o Oncotype DX custa vários milhares de dólares por teste e depende de laboratórios especializados, para a análise por IA basta, em princípio:

• a lâmina de tecido já existente
• um scanner digital no laboratório de anatomia patológica
• uma ligação à Internet para aceder a um servidor com o algoritmo

A digitalização da lâmina custa menos de um dólar - muitas vezes apenas alguns cêntimos. O algoritmo, por sua vez, devolve o resultado em minutos. Não são necessárias novas biópsias nem etapas laboratoriais demoradas.

Em países com recursos limitados, isto poderia representar um salto enorme. Em vez de enviar testes caros para o estrangeiro, hospitais regionais poderiam digitalizar os cortes localmente e pedir a análise através de uma plataforma central. A personalização do tratamento do cancro da mama deixaria, assim, de ser automaticamente um privilégio de mulheres em países industrializados mais ricos.

Questões em aberto: "caixa negra" e ensaios clínicos

Apesar do entusiasmo, o algoritmo continua, por enquanto, uma "caixa negra": mesmo especialistas não conseguem descrever em detalhe que características da imagem são mais valorizadas e com que peso. Em Medicina, isso gera uma cautela compreensível. Médicos e médicas precisam de conseguir explicar às doentes por que motivo recomendam uma determinada opção terapêutica - e um score opaco torna esse diálogo mais difícil.

A validação continua agora em estudos prospectivos, em condições reais, incluindo projectos no Brasil e na Índia. Só se estas avaliações confirmarem que a IA permite decisões tão fiáveis (ou melhores) do que os métodos actuais é que a adopção em larga escala se tornará realista.

Em paralelo, há trabalho a decorrer para tornar os processos de decisão do sistema mais "explicáveis" - por exemplo, assinalando que regiões da imagem têm maior impacto no score. Para patologistas, isso até pode ter um efeito de aprendizagem: revelar padrões novos que passariam despercebidos numa observação tradicional.

O que as doentes devem saber sobre esta nova tecnologia

Para uma mulher com cancro da mama, a ideia de evitar com segurança uma quimioterapia adicional é, naturalmente, apelativa. Ainda assim, a IA não substitui a avaliação individual num centro de referência. A decisão continua a assentar em vários pilares: resultado cirúrgico, imagiologia, estado hormonal e HER2, factores genéticos e preferências pessoais.

A probabilidade de uma doente beneficiar de uma análise deste tipo depende, entre outros factores, de:

• tipo de cancro da mama (sobretudo hormonodependente, HER2-negativo)
• idade e estado menopáusico
• comorbilidades e estado geral de saúde
• acesso a centros especializados ou a ensaios clínicos

A tecnologia também ganha interesse quando combinada com outras tendências - como sistemas de IA para leitura de mamografias ou perfis genéticos de risco. No futuro, vários modelos poderão contribuir em conjunto para um retrato muito detalhado do risco individual e para uma orientação terapêutica ainda mais fina.

Ao mesmo tempo, permanecem riscos: se os dados de treino sub-representarem certos grupos populacionais, o algoritmo pode avaliar pior essas pessoas. Por isso, são necessários estudos transparentes que incluam de forma ampla idades, origens e comorbilidades. Só assim se evita que novas ferramentas acabem por criar novas desigualdades.

O que esta linha de investigação já evidencia é que a aparentemente simples lâmina de tecido contém muito mais informação do que aquela que o olhar clássico ao microscópio consegue captar. Com a IA certa, pode tornar-se a base de terapêuticas para o cancro da mama mais individualizadas e menos agressivas - e, em muitos casos, poupar a quimioterapia a milhares de mulheres.