A inteligência artificial prevê a resposta à terapia do cancro com base nos dados de cada célula tumoral

Com mais de 200 tipos de câncer e cada caso sendo único, os esforços contínuos para desenvolver tratamentos de precisão contra o câncer continuam desafiadores. O foco está no desenvolvimento de testes genéticos para identificar mutações nos genes causadores do câncer e na adaptação de tratamentos para atingir essas mutações.

No entanto, muitos, se não a maioria, dos pacientes com câncer não se beneficiam significativamente dessas terapias direcionadas precoces. Em um novo estudo publicado na Nature Cancer, o primeiro autor, Sanju Sinha, PhD, professor assistente do Programa de Terapia Molecular do Câncer em Sanford Burnham Prebys, juntamente com os autores principais, Eitan Ruppin, MD, PhD, e Alejandro Schaffer, PhD, do Instituto Nacional do Câncer, parte dos Institutos Nacionais de Saúde (NIH), e colegas, descrevem um sistema computacional exclusivo para prever sistematicamente como os pacientes responderão a medicamentos contra o câncer em nível unicelular.

Chamada de PLANEJAMENTO DE TRATAMENTO ONCOLOGICO PERSONALIZADO BASEADO NA EXPRESSÃO DE TRANCIPLE DE CÉLULA ÚNICA (PERCEPÇÃO), a nova abordagem com tecnologia de IA investiga a transcriptômica — o estudo de fatores de transcrição, moléculas de mRNA que são expressas por genes e traduzem informações de DNA em ações.

"Tumores são organismos complexos e em constante mutação. Usar a resolução unicelular nos permite enfrentar ambos os desafios", diz Sinha. "O PERCEPTION nos permite usar as informações valiosas dos oméxicos unicelulares para entender a arquitetura clonal de um tumor e monitorar o surgimento de resistência." (Em biologia, oméxico se refere à soma das partes dentro de uma célula.)

Sinha diz: "A capacidade de monitorar o surgimento da resistência é a parte mais empolgante para mim. Ela tem o potencial de nos permitir adaptar-nos à evolução das células cancerígenas e até mesmo mudar nossa estratégia de tratamento."

Sinha e colegas usaram aprendizagem por transferência, um ramo da IA, para criar PERCEPÇÃO.

"Nosso principal desafio eram os dados limitados de células individuais das clínicas. Os modelos de IA precisam de grandes quantidades de dados para entender as doenças, assim como o ChatGPT precisa de enormes quantidades de dados de texto da internet", explica Sinha.

O PERCEPTION utiliza dados publicados de expressão gênica em massa de tumores para pré-treinar seus modelos. Em seguida, dados de nível unicelular de linhagens celulares e pacientes, embora limitados, foram usados para ajustar os modelos.

O PERCEPTION foi validado com sucesso na previsão da resposta à monoterapia e à terapia combinada em três ensaios clínicos independentes, publicados recentemente, em mieloma múltiplo, câncer de mama e câncer de pulmão. Em cada caso, o PERCEPTION estratificou corretamente os pacientes em respondedores e não respondedores. No câncer de pulmão, o estudo capturou até mesmo o desenvolvimento de resistência aos medicamentos à medida que a doença progredia, uma descoberta significativa e com grande potencial.

Sinha afirma que o PERCEPTION ainda não está pronto para uso clínico, mas a abordagem demonstra que informações no nível de células individuais podem ser usadas para orientar o tratamento. Ele espera incentivar a adoção da tecnologia em clínicas para gerar mais dados que possam ser usados para desenvolver e aprimorar ainda mais a tecnologia para uso clínico.

"A qualidade da previsão melhora com a qualidade e a quantidade de dados em que se baseia", afirma Sinha. "Nosso objetivo é criar uma ferramenta clínica que possa prever de forma sistemática e baseada em dados a resposta ao tratamento em pacientes com câncer. Esperamos que essas descobertas estimulem mais dados e estudos semelhantes em um futuro próximo."