Ferramenta de Aprendizado de Máquina Oferece Esperança no Diagnóstico de Câncer de Primário Desconhecido

A maioria dos cancros origina-se numa parte específica do corpo, tornando crucial para os médicos identificar a fonte para tratar os pacientes eficazmente. No entanto, em três a cinco por cento dos casos, o exame diagnóstico padrão falha em identificar o local primário, levando a um prognóstico sombrio para aqueles com esta condição conhecida como Câncer de Primário Desconhecido (CUP). Frequentemente, os médicos recorrem a tratamentos amplos que são menos eficazes e acompanhados de mais efeitos colaterais do que as terapias direcionadas. Como resultado, os pacientes com CUP enfrentam uma progressão rápida da doença, com taxas de sobrevivência que em média variam apenas entre seis e 16 meses.

Apresentando o OncoNPC: Uma solução de aprendizado de máquina

Intae Moon, estudante de doutoramento no Instituto de Tecnologia de Massachusetts (MIT) e no Instituto de Câncer Dana-Farber, procurou revolucionar o diagnóstico do local primário do CUP. Embora a Sequenciação de Nova Geração (NGS) possa identificar mutações tumorais e auxiliar na determinação dos tipos de cancro, a vasta quantidade de dados de mutação gerada pode sobrecarregar os médicos durante o diagnóstico inicial. Tipicamente, a NGS é usada apenas após a identificação do tipo de cancro para pinpointar mutações específicas para terapias direcionadas. No entanto, a NGS não tinha sido amplamente explorada para o diagnóstico clínico e prognóstico do CUP. Moon e colegas desenvolveram um modelo de aprendizado de máquina conhecido como OncoNPC (Classificador de Tipo de Cancro Primário baseado em NGS Oncológico) para colmatar esta lacuna. Esta abordagem inovadora visa analisar dados complexos de mutação de forma eficiente.

Desencadeando o poder do aprendizado de máquina

Publicado na Nature Medicine, o estudo utiliza as capacidades do algoritmo XGBoost para examinar regiões do ADN em busca de padrões de mutações genéticas mais fortemente associadas a vários tipos de cancro. Aproveitando os dados de NGS de 36.445 amostras tumorais com cancros primários conhecidos, os investigadores empregaram o OncoNPC para identificar mutações genéticas, alterações no número de cópias e assinaturas mutacionais. O modelo também incorporou a idade do paciente e o sexo biológico dos registos eletrónicos de saúde. Ao treinar o OncoNPC com dados de três centros de cancro diferentes nos EUA, a equipa ligou assinaturas genéticas específicas a 22 tipos de cancro diferentes. Após o treinamento, avaliaram o desempenho do OncoNPC em dados previamente excluídos, alcançando uma taxa de precisão impressionante.

Um farol de esperança para pacientes com CUP

Aplicando o OncoNPC a tumores de 971 pacientes com CUP tratados no Instituto de Câncer Dana-Farber, os investigadores classificaram com sucesso 41,2 por cento dos tumores de CUP com alta confiança. Além disso, identificaram as características genéticas mais relevantes para identificar cada tipo de cancro, fornecendo insights clínicos e biológicos inestimáveis sobre a natureza enigmática dos tumores de CUP.

Dado que os locais primários do tumor eram desconhecidos nestes casos, a precisão do modelo foi validada comparando os resultados com os dados de NGS dos pacientes para identificar qualquer predisposição genética para um tipo específico de cancro. Encorajadoramente, as previsões do modelo alinharam-se estreitamente com o tipo de cancro indicado mais fortemente por estas mutações hereditárias.

Melhorando a sobrevivência dos pacientes através do tratamento de precisão

Para avaliar o impacto de tratar pacientes de acordo com as previsões do OncoNPC na sua sobrevivência, a equipa realizou uma análise retrospectiva de 158 pacientes com CUP que receberam o seu tratamento inicial no Dana-Farber. Oncologistas certificados revisaram os prontuários dos pacientes para determinar se os tratamentos estavam alinhados com as previsões de tipo de cancro do OncoNPC. Os resultados foram promissores, mostrando que os pacientes com CUP cujo primeiro tratamento paliativo correspondia às previsões do OncoNPC tiveram taxas de sobrevivência significativamente melhoradas em comparação com aqueles cujos tratamentos não estavam alinhados.

Perspetivas e horizontes em expansão

Os investigadores têm planos ambiciosos para o futuro do OncoNPC. Embora o modelo tenha demonstrado um desempenho decente para pacientes de várias origens étnicas, são necessários mais estudos para confirmar a sua eficácia em pacientes diversos. Além disso, o OncoNPC foca-se nos 22 tipos de cancro mais comuns e pode não identificar a fonte se o CUP se originar de um local menos comum.

No entanto, o impacto potencial do OncoNPC no campo médico é inegável. Hospitais que utilizam a sequenciação de tumores por NGS podem incorporá-lo como uma fonte adicional de informação para oncologistas, pavimentando o caminho para decisões de tratamento de cancro mais precisas e eficazes. Este avanço, enraizado em dados de testes clínicos rotineiros, oferece esperança a muitos pacientes com CUP, cujo prognóstico tem sido há muito tempo desolador.

Na batalha implacável contra o cancro, o surgimento do OncoNPC representa um raio de esperança para pacientes com Câncer de Primário Desconhecido. Com a sua impressionante precisão na identificação de tipos de cancro e o potencial de melhorar a sobrevivência dos pacientes através do tratamento de precisão, esta ferramenta de aprendizado de máquina poderia revolucionar a forma como os médicos diagnosticam e gerem esta condição desafiadora. Embora haja desafios a superar e mais pesquisas a serem realizadas, o potencial do OncoNPC de fazer a diferença na vida dos pacientes com CUP é tanto promissor quanto revolucionário.