Em Israel, pesquisadoras e pesquisadores criaram uma inteligência artificial capaz de prever, a partir de cortes histológicos comuns de um tumor de mama, quais pacientes realmente tendem a se beneficiar de quimioterapia - e quais provavelmente poderiam evitar esse tratamento desgastante e seus efeitos colaterais. A proposta é tornar a terapia mais direcionada e, ao mesmo tempo, reduzir custos de forma expressiva.
Por que decidir a favor ou contra a quimioterapia é tão delicado
Depois da cirurgia para câncer de mama, muitas mulheres encaram uma das escolhas mais difíceis do tratamento: fazer ou não uma quimioterapia adicional. Essa etapa, chamada de tratamento adjuvante, busca eliminar restos microscópicos do tumor que não aparecem nos exames e, assim, diminuir a chance de recidiva. Em contrapartida, pode causar efeitos importantes - como náuseas e queda de cabelo - e também complicações duradouras, incluindo danos ao coração ou ao sistema nervoso.
A incerteza é ainda maior em uma grande subcategoria da doença: tumores hormonodependentes e HER2-negativos. Esse grupo corresponde a cerca de 70 por cento dos aproximadamente 2,3 milhões de novos casos anuais no mundo. Na prática, muitas pacientes recebem quimioterapia de rotina mesmo quando o risco de recidiva é baixo; já outras, com probabilidade de evolução mais agressiva, podem acabar subtratadas.
Hoje, oncologistas costumam se apoiar principalmente em critérios clássicos, como:
- tamanho do tumor e grau de agressividade
- linfonodos comprometidos na axila
- status de receptores hormonais e status de HER2
- quando disponível, testes moleculares/genéticos como o Oncotype DX
Testes genômicos como o Oncotype DX medem a atividade de genes específicos no tumor e geram um escore de risco de recidiva. Com base nesse número, diretrizes sugerem quando a quimioterapia tende a ajudar e quando provavelmente não compensa. O obstáculo é que essas análises custam em torno de 3.500 dólares por paciente, levam de dias a semanas e, em muitas regiões, simplesmente não estão acessíveis.
"Centros oncológicos em países ricos usam testes genômicos de forma rotineira. Em grande parte do mundo, porém, a decisão ainda depende sobretudo do instinto do médico - com todas as incertezas."
Como a nova IA calcula o benefício da quimioterapia a partir de cortes de tecido
É nesse ponto que entra o grupo do Technion – Israel Institute of Technology. A equipe treinou um modelo de deep learning para analisar imagens digitais de lâminas histopatológicas. Essas lâminas já fazem parte do processo padrão de avaliação do tumor: o tecido é cortado em fatias finas, corado com substâncias como hematoxilina-eosina e examinado ao microscópio.
Em vez de depender apenas do olhar humano, um scanner digitaliza toda a lâmina em alta resolução. A IA então processa essas imagens e identifica padrões tanto nas células cancerígenas quanto no microambiente ao redor: forma e organização das células, arquitetura do tecido conjuntivo, vasos sanguíneos e presença de células do sistema imune - tudo isso entra no cálculo.
Muitos desses sinais microscópicos são sutis demais ou complexos demais para serem reconhecidos com segurança a olho nu. Já redes neurais se beneficiam exatamente desse tipo de informação: com milhares de exemplos, aprendem quais combinações de características costumam estar associadas a maior risco de recidiva e em quais cenários a quimioterapia traz um ganho adicional mensurável.
No fim, o sistema produz um escore numérico entre 0 e 100, planejado para refletir dois aspectos:
- o risco de o câncer de mama voltar após a cirurgia
- o benefício esperado da quimioterapia para aquela paciente específica
"Em vez de medir genes em laboratório, o sistema lê, por assim dizer, a 'assinatura óptica' do tumor - direto na imagem do tecido."
Estudo grande: a IA acompanha o teste genômico caro
Para checar a robustez do método, o time do Technion usou dados do conhecido estudo TAILORx. Nesse ensaio randomizado, mais de 10.000 mulheres com câncer de mama hormonodependente e HER2-negativo foram tratadas conforme o escore do Oncotype DX; para a análise atual, havia informações de 8.284 pacientes.
Com os cortes de tecido digitalizados, as pesquisadoras e pesquisadores compararam o escore da IA com o resultado do teste genômico. Os achados principais foram:
- a distribuição dos escores da IA ficou muito próxima dos valores do Oncotype DX;
- a maior parte dos tumores com alto risco genômico foi classificada corretamente como alto risco;
- o algoritmo não se limitou a estimar recidiva: também apontou quais mulheres efetivamente tiveram benefício com quimioterapia, isto é, mais tempo de sobrevida ou menos recidivas.
O método também foi testado em dados de hospitais e centros de Israel, dos EUA e da Austrália, incluindo vários serviços de referência em câncer de mama. Mesmo com diferenças entre equipamentos, técnicas de coloração e perfis de pacientes, o desempenho permaneceu estável. Isso sugere que a abordagem pode funcionar fora de um único laboratório e resistir às variações do mundo real.
Menos quimioterapia, aplicada com mais precisão
O impacto potencial aparece sobretudo nas consequências práticas. Os resultados indicam que uma parcela grande das mulheres na pós-menopausa com baixo escore da IA poderia abrir mão da quimioterapia com segurança - sem aumento do risco de recidiva. Para essas pacientes, isso significaria evitar um tratamento pesado física e emocionalmente.
Por outro lado, os dados também levantam a possibilidade de que algumas pacientes mais jovens, mesmo com tumores que parecem pouco preocupantes nos critérios tradicionais, possam carregar risco mais alto do que se imaginava. Nesses casos, a IA poderia sinalizar a necessidade de quimioterapia a tempo, quando hoje a indicação talvez não fosse feita.
"A visão: cada paciente recebe exatamente a intensidade de tratamento de que precisa - nem mais, nem menos."
Para sistemas de saúde, o benefício seria duplo. De um lado, reduziria milhares de quimioterapias desnecessárias e, com isso, custos associados, internações e sequelas tardias. De outro, a capacidade liberada poderia ser direcionada a acompanhamento mais próximo de pacientes de alto risco e à adoção de terapias inovadoras.
Fator custo: menos de US$ 1 em vez de 3.500
O preço é um ponto central. Enquanto o Oncotype DX custa vários milhares de dólares por teste e depende de laboratórios especializados, a análise por IA exigiria, em princípio, apenas:
- a lâmina de tecido que já existe no fluxo diagnóstico
- um scanner digital no laboratório de patologia
- conexão com a internet para acessar um servidor com o algoritmo
A digitalização da lâmina sai por menos de um dólar - muitas vezes, apenas alguns centavos. O algoritmo entrega o resultado em minutos. Não há necessidade de nova biópsia nem de etapas longas de laboratório.
Em países com menos recursos, a mudança seria especialmente relevante. Em vez de enviar exames caros para fora, hospitais regionais poderiam escanear as lâminas localmente e acionar a análise por uma plataforma central. Assim, o tratamento personalizado do câncer de mama deixaria de ser, por definição, um privilégio restrito a mulheres em nações mais ricas.
Questões em aberto: "caixa-preta" e estudos clínicos
Apesar do entusiasmo, o algoritmo ainda é, em grande medida, uma "caixa-preta": mesmo especialistas não conseguem descrever com precisão quais características da imagem são consideradas mais importantes e com que peso. Na medicina, isso naturalmente gera desconfiança. Médicas e médicos precisam justificar recomendações e explicar às pacientes por que uma decisão é indicada; um escore pouco transparente torna essa conversa mais difícil.
No momento, a validação continua em estudos prospectivos e em condições reais, inclusive no Brasil e na Índia. Só se essas pesquisas confirmarem que a IA sustenta, no dia a dia, decisões tão boas quanto - ou melhores do que - as abordagens atuais é que uma adoção ampla se torna plausível.
Em paralelo, há esforços para tornar as decisões do sistema mais "explicáveis". Uma estratégia é destacar quais áreas da lâmina mais influenciam o escore. Para patologistas, isso pode até ter valor educativo: padrões antes despercebidos poderiam se tornar visíveis.
O que pacientes precisam saber sobre a nova técnica
Para quem enfrenta câncer de mama, a promessa de evitar com segurança uma quimioterapia adicional é atraente. Ainda assim, a IA não substitui uma avaliação individual em um centro especializado. A decisão continua baseada em várias peças: achados cirúrgicos, exames de imagem, status hormonal e de HER2, fatores genéticos e preferências pessoais.
Quem tende a ganhar com esse tipo de análise depende, entre outros pontos, de:
- tipo de câncer de mama (principalmente hormonodependente e HER2-negativo)
- idade e status menopausal
- comorbidades e estado geral de saúde
- acesso a centros especializados ou a estudos clínicos
A tecnologia também pode se integrar a outras frentes - por exemplo, sistemas de IA para leitura de mamografias ou perfis genéticos de risco. No futuro, múltiplos modelos podem combinar informações e produzir uma visão ainda mais detalhada do risco individual, orientando terapias com maior precisão.
Ao mesmo tempo, existem riscos: se os dados de treinamento tiverem pouca representação de certos grupos populacionais, o algoritmo pode avaliar pior essas pessoas. Por isso, são necessários estudos transparentes, com ampla diversidade de idades, origens e comorbidades, para evitar que a inovação acabe criando novas desigualdades.
O que essa linha de pesquisa já deixa claro é que a lâmina aparentemente simples do laboratório contém muito mais informação do que o olhar clássico ao microscópio costuma extrair. Com a IA adequada, ela pode se tornar a base de tratamentos de câncer de mama mais personalizados e mais poupadores - e isso pode livrar milhares de mulheres da quimioterapia.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário