Pesquisadores da Mayo Clinic e instituições parceiras demonstraram que uma ferramenta de inteligência artificial (IA) é capaz de analisar lâminas histopatológicas obtidas em exames de rotina para auxiliar médicos na classificação dos meningiomas — o tipo mais comum de tumor cerebral primário em adultos — e na avaliação do risco de recorrência da doença.
O estudo foi publicado na revista The Lancet Digital Health e mostrou que a IA consegue analisar imagens de amostras de tecido para identificar características importantes dos tumores e ajudar a prever sua evolução. Atualmente, essas informações costumam ser obtidas por meio do perfil de metilação do DNA, exame genético de alta precisão que, apesar da eficácia, pode ter custo elevado, exigir mais tempo para processamento e não estar disponível em muitos hospitais. Com a nova abordagem, os pesquisadores esperam ampliar o acesso a informações relevantes para o diagnóstico e o planejamento do tratamento de forma mais rápida e acessível.
“Este é um dos muitos estudos em que podemos aproveitar o potencial da patologia digital ao incorporar aos algoritmos de IA o conhecimento genômico e molecular acumulado nas últimas duas décadas”, afirma a chefe do Departamento de Neurocirurgia da Mayo Clinic em Rochester e diretora médica executiva da Plataforma Mayo Clinic, Gelareh Zadeh.
Informações avançadas
Os meningiomas podem apresentar comportamentos bastante distintos. Enquanto alguns crescem lentamente e podem não voltar após o tratamento, outros são mais agressivos e apresentam maior risco de recorrência. Conhecer esse risco é essencial para orientar decisões sobre a necessidade de tratamentos complementares, como a radioterapia, após a cirurgia.
Embora os testes moleculares permitam identificar quais tumores têm maior probabilidade de retornar ou responder de maneira diferente ao tratamento, eles dependem de tecnologia especializada e profissionais capacitados, o que limita o acesso de muitos pacientes.
Utilizando amostras de tecido, imagens de patologia e dados clínicos de 672 pacientes, os pesquisadores desenvolveram e validaram modelos de IA capazes de identificar padrões relacionados à biologia dos tumores. Com base em diferentes conjuntos de dados desidentificados, incluindo informações da Plataforma Mayo Clinic, os modelos auxiliaram na classificação de subtipos de meningioma e na previsão do risco de recorrência utilizando lâminas histopatológicas que já fazem parte da rotina de atendimento.
Os resultados indicam que, após novas etapas de validação, ferramentas baseadas em inteligência artificial poderão fornecer aos médicos informações mais detalhadas sobre os tumores sem que todos os pacientes precisem ser submetidos a testes genéticos avançados.
Tomada de decisões
Para pacientes com meningioma, o risco de recorrência influencia diretamente o acompanhamento clínico, a frequência dos exames de imagem e a indicação de tratamentos como a radioterapia. O estudo constatou que as previsões geradas pela IA permaneceram relevantes mesmo após o ajuste para fatores clínicos tradicionais, como o grau do tumor, a extensão da retirada cirúrgica e a idade do paciente.
Os pesquisadores também verificaram que os modelos de IA conseguiram identificar padrões de heterogeneidade tumoral — diferenças existentes dentro de um mesmo tumor — que podem ajudar a explicar por que alguns casos apresentam comportamento mais agressivo ou respondem de forma diferente aos tratamentos.
Os autores destacam que novos estudos prospectivos ainda são necessários antes que os modelos possam ser incorporados à prática clínica de rotina. Ainda assim, afirmam que os resultados estabelecem uma base importante para tornar o cuidado com pacientes com meningioma mais acessível e personalizado, além de abrir caminho para aplicações semelhantes da inteligência artificial em outros tipos de câncer.
Como ocorre com qualquer ferramenta de apoio à decisão médica, os pesquisadores ressaltam que esses modelos precisarão passar por rigorosos processos de avaliação, validação e supervisão clínica antes de serem utilizados rotineiramente. “O objetivo é tornar esses algoritmos amplamente acessíveis e de fácil utilização em escala global, melhorando o cuidado aos pacientes em diversos contextos de assistência à saúde”, diz Zadeh.
