Pesquisadores do Instituto Paul Scherrer (PSI) e do Instituto de Tecnologia de Massachusetts (MIT) estão usando inteligência artificial para melhorar a categorização do câncer de mama.
Nem todos os cânceres são iguais. Alguns tumores crescem muito lentamente ou quase nunca mudam de uma forma pré-cancerosa comparativamente inofensiva para uma forma com risco de vida. Em homens, isso inclui câncer de próstata e, em mulheres, um precursor do câncer de mama nos dutos de leite, conhecido como carcinoma ductal no local . Em 30 a 50 por cento dos casos, essa forma, abreviada para DCIS, se desenvolve em um carcinoma de mama invasivo ameaçador. Como o DCIS é altamente curável, os médicos geralmente recomendam o tratamento. Até agora, os médicos não tinham os indicadores necessários para decidir com segurança quais tumores permanecerão benignos e quais se tornarão um carcinoma ductal invasivo (IDC) com risco de vida.
Essa falta de conhecimento na caracterização do câncer de mama motivou um novo estudo, liderado por GV Shivashankar, Chefe do Laboratório de Biologia em Nanoescala do PSI e Professor de Mecanogenética na ETH Zurich, e Caroline Uhler, Diretora do Centro Eric e Wendy Schmidt no Broad Institute e Professora de Engenharia Elétrica e Ciência da Computação no MIT. Os pesquisadores desenvolveram um sistema para analisar imagens que usa inteligência artificial para determinar de forma confiável o estágio da doença. “Nosso trabalho abre uma abordagem única para identificar o estágio do DCIS usando imagens que mostram como o DNA é empacotado em cada célula individual. Coletar esses dados é simples e barato”, explica Shivashankar.
As mulheres vivem com incertezas ao tomar decisões sobre tratamento
O DCIS é responsável por cerca de 25 por cento de todos os diagnósticos de câncer de mama. As células que revestem os ductos de leite de uma paciente parecem diferentes do tecido saudável, e muitas vezes as microcalcificações são visíveis. O tratamento pode assumir a forma de radioterapia, terapia hormonal ou cirurgia. Na prática clínica, os médicos usam um processo conhecido como classificação para determinar o prognóstico do DCIS e selecionar uma terapia adequada. Isso envolve classificar a quantidade de alteração e atribuir o resultado a uma das sete categorias diferentes. Elas descrevem características como o tamanho do DCIS, a aparência dos núcleos das células, se ele cresceu (hiperplasia), se as células entraram no tecido vizinho (invasivo), se elas se espalharam para células linfáticas ou sanguíneas (agressivo) ou se estão em processo de formação de tumores secundários (metastático).
No entanto, a progressão do DCIS para uma forma grave de IDC não é de forma alguma uma certeza – 50 a 70 por cento dos casos permanecem benignos. Mas qual? Os cientistas estão buscando diferentes abordagens para tornar suas previsões mais confiáveis. Por exemplo, uma tecnologia de imagem sofisticada está sendo usada para identificar indicadores do risco representado por uma forma inicial da doença. Outra abordagem envolve análises extensas do transcriptoma. Elas usam sequenciamento para determinar quantos e quais genes estão ativos em células suspeitas em um determinado ponto no tempo. No entanto, essas abordagens ainda não foram testadas na prática clínica diária e são muito complicadas e caras para serem praticáveis. Para as mulheres envolvidas, decidir sobre o tratamento certo continua repleto de incertezas: elas enfrentam a perspectiva de se submeter a um tratamento que pode não apenas ser desnecessário, mas também pode abrigar o risco de efeitos colaterais.
A IA melhora o estadiamento do DCIS
O estudo atual mostra que a inteligência artificial (IA) pode melhorar o estadiamento usando dados fáceis e baratos de coletar. Os pesquisadores, liderados por Shivashankar e Uhler, treinaram um algoritmo de aprendizado de máquina em 560 amostras de tecido de 122 pacientes. Elas foram coradas com o corante DAPI, que faz a cromatina no núcleo da célula fluorescer. A cromatina consiste, entre outras coisas, de DNA e proteínas. Com base em sua aparência, conclusões podem ser tiradas sobre a organização e, portanto, a atividade do DNA no núcleo da célula. Após uma fase de aprendizado, o modelo de IA foi capaz de identificar padrões nas seções de tecido que correspondiam às diferenças identificadas por patologistas humanos. “Nossa análise mostra que as imagens de cromatina, que são baratas e fáceis de obter, juntamente com algoritmos de IA poderosos, podem fornecer informações suficientes para estudar como o estado da célula e a organização do tecido mudam durante a transição de DCIS para IDC e, assim, prever com precisão o estágio da doença”, explica Uhler.
Os pesquisadores acreditam que esse tipo de classificação de tumor com base em IA e imagem de cromatina tem grande potencial. No entanto, antes que possa ser usado em aplicações práticas, vários estudos adicionais são necessários para demonstrar a confiabilidade e a segurança da abordagem, incluindo o monitoramento de longo prazo de pacientes com DCIS.
