Revolução dos medicamentos pela inteligência artificial (IA)

Quando pacientes com câncer não respondem ao tratamento, os médicos geralmente sequenciam seus tumores, em busca de biomarcadores que possam indicar tratamentos mais eficazes.

Esse perfil molecular raramente é feito no diagnóstico — é caro e não há evidências que respaldem sua influência no tratamento, de acordo com a Dra. Christina Curtis, Ph.D., diretora de IA e genômica do câncer no Stanford Cancer Institute, nos Estados Unidos.

Mas, para alguns pacientes, esperar para usar essa ferramenta até que o câncer já tenha se espalhado pode ser “uma oportunidade perdida”, disse ela.

Essa é a motivação para um novo ensaio clínico direcionado por biomarcadores em pacientes recentemente diagnosticadas com certos subtipos de câncer de mama com positividade para o receptor de estrogênio (ER+) ou negatividade para o receptor do fator de crescimento epidérmico humano 2 (HER2−).

Na última década, a Dra. Christina e colaboradores usaram aprendizado de máquina, um tipo de IA que identifica padrões em grandes conjuntos de dados, para fazer um perfil molecular abrangente de pacientes com câncer de mama ER+/HER2−. O aprendizado de máquina identificou quatro subgrupos de pacientes com um risco aproximadamente 50% maior de recorrência por até duas décadas após o diagnóstico.

O objetivo do estudo: avaliar diferentes estratégias terapêuticas direcionadas a alterações genéticas em pacientes no estágio inicial da doença para determinar qual delas pode melhorar seus desfechos em comparação com o tratamento padrão.

“Essas pacientes não apresentam recorrência da doença por décadas. Temos uma janela enorme para melhorar e otimizar seu tratamento e monitoramento”, disse a Dra. Christina.

Como fazer isso? Normalmente, pacientes com câncer de mama ER+/HER2− são submetidas a alguns testes de perfil molecular no diagnóstico; exames de expressão genética avaliam o risco de recorrência em cinco anos. Mas ao “treinar” computadores para analisar genomas e transcriptomas de células tumorais, os pesquisadores perceberam características moleculares reveladoras sobre os subgrupos — inclusive conjuntos genéticos distintos com número de cópias alterado. Algumas dessas alterações genômicas estavam presentes já no estágio zero, antes que o câncer começasse a se espalhar.

O problema é que nada disso poderia ter acontecido sem que a IA vasculhasse grandes quantidades de dados para identificar esses biomarcadores e prever a quais medicamentos existentes as pacientes poderiam responder.

“Cada vez mais, estamos aprendendo que os ensaios clínicos que têm um componente de biomarcador tendem a ser mais bem-sucedidos”, explicou a Dra. Christina. “Muitos ensaios, infelizmente, não atendem aos seus desfechos, então a utilidade dos biomarcadores, que dependem de algum componente de IA ou aprendizado de máquina, é realmente crítica.”

Fonte: Medscape