Fonte: EurekAlerts
Para determinar o tipo e a gravidade de um câncer, patologistas normalmente analisam fatias finas de uma biópsia de tumor sob um microscópio. No entanto, para descobrir quais alterações genômicas estão impulsionando o crescimento do tumor — informações que podem orientar o tratamento — os cientistas precisam realizar sequenciamento genético do RNA isolado do tumor, um processo que pode levar semanas e custar milhares de dólares.
Agora, pesquisadores da Stanford Medicine desenvolveram um programa computacional movido por inteligência artificial (IA) que pode prever a atividade de milhares de genes dentro das células tumorais, com base apenas em imagens de biópsias obtidas por microscopia convencional. A ferramenta, descrita online na publicação científica Nature Communications, foi criada usando dados de mais de 7.000 amostras tumorais diversas. A equipe demonstrou que ela pode usar imagens de biópsias coletadas rotineiramente para prever variações genéticas em cânceres de mama e prever os desfechos dos pacientes.
“Esse tipo de software poderia ser usado para identificar rapidamente as assinaturas genéticas nos tumores dos pacientes, acelerando a tomada de decisões clínicas e economizando milhares de dólares para o sistema de saúde”, afirmou Olivier Gevaert, PhD, professor de ciência de dados biomédicos e autor sênior do estudo.
O trabalho também foi liderado pela estudante de doutorado de Stanford, Marija Pizuria, e pelos pós-doutorandos Yuanning Zheng, PhD, e Francisco Perez, PhD.
Impulsionado pela genômica
Cada vez mais, os clínicos têm guiado a seleção dos tratamentos para o câncer — incluindo quimioterapias, imunoterapias e terapias hormonais — com base não apenas no órgão afetado pelo câncer, mas também nos genes que o tumor está usando para alimentar seu crescimento e disseminação. Ativar ou desativar certos genes pode tornar um tumor mais agressivo, mais propenso a metastatizar ou mais ou menos suscetível a determinados medicamentos.
No entanto, acessar essas informações geralmente exige sequenciamento genômico caro e demorado.
Gevaert e seus colegas sabiam que a atividade genética dentro de células individuais pode alterar a aparência dessas células de maneiras que frequentemente são imperceptíveis ao olho humano. Eles recorreram à inteligência artificial para identificar esses padrões.
Os pesquisadores começaram com 7.584 biópsias de cânceres de 16 tipos diferentes. Cada biópsia foi cortada em fatias finas e preparada usando um método conhecido como coloração de hematoxilina e eosina, que é padrão para visualizar a aparência geral das células cancerígenas. Também estavam disponíveis informações sobre os transcriptomas dos cânceres — quais genes as células estão ativamente utilizando.
Um modelo funcional
Após integrar as novas biópsias de câncer com outros conjuntos de dados, incluindo dados transcriptômicos e imagens de milhares de células saudáveis, o programa de IA — chamado de SEQUOIA — foi capaz de prever os padrões de expressão de mais de 15.000 genes diferentes a partir das imagens coradas. Para alguns tipos de câncer, a atividade genética prevista pela IA teve uma correlação superior a 80% com os dados reais de atividade genética. De maneira geral, quanto mais amostras de um determinado tipo de câncer foram incluídas nos dados iniciais, melhor o modelo se saiu nesse tipo de câncer.
“Foi necessário um número de iterações no modelo para que chegássemos a um ponto em que ficássemos satisfeitos com o desempenho”, disse Gevaert. “Mas, no final, para alguns tipos de tumor, o modelo chegou a um nível em que pode ser útil na clínica.”
Gevaert destacou que os médicos geralmente não olham para genes isolados ao tomar decisões clínicas, mas sim para assinaturas genéticas que incluem centenas de genes diferentes. Por exemplo, muitas células cancerígenas ativam os mesmos grupos de centenas de genes relacionados à inflamação ou ao crescimento celular. Comparado com o desempenho na previsão da expressão de genes individuais, o SEQUOIA foi ainda mais preciso na previsão de se esses grandes programas genômicos estavam ou não ativados.
Para tornar os dados acessíveis e fáceis de interpretar, os pesquisadores programaram o SEQUOIA para exibir os achados genéticos como um mapa visual da biópsia do tumor, permitindo que cientistas e clínicos vejam como as variações genéticas podem ser distintas em diferentes áreas de um tumor.
Prevendo os desfechos dos pacientes
Para testar a utilidade do SEQUOIA na tomada de decisões clínicas, Gevaert e seus colegas identificaram genes de câncer de mama cuja expressão o modelo poderia prever com precisão e que já são usados em testes genômicos comerciais de câncer de mama. (O teste MammaPrint aprovado pela FDA, por exemplo, analisa os níveis de 70 genes relacionados ao câncer de mama para fornecer aos pacientes uma pontuação sobre o risco de recorrência do câncer).
“O câncer de mama tem uma série de assinaturas genéticas bem estudadas que demonstraram, ao longo da última década, ter uma alta correlação com respostas ao tratamento e desfechos dos pacientes”, afirmou Gevaert. “Isso fez dele um caso de teste ideal para nosso modelo.”
O SEQUOIA, mostrou a equipe, poderia fornecer o mesmo tipo de escore de risco genômico que o MammaPrint, usando apenas imagens coradas de biópsias tumorais. Os resultados foram repetidos em diferentes grupos de pacientes com câncer de mama. Em cada caso, os pacientes identificados como de alto risco pelo SEQUOIA tiveram piores desfechos, com taxas mais altas de recorrência do câncer e menor tempo até que o câncer recidivasse.
O modelo de IA ainda não pode ser usado em um ambiente clínico — ele precisa ser testado em ensaios clínicos e aprovado pela FDA antes de ser utilizado para orientar decisões de tratamento — mas Gevaert disse que sua equipe está aprimorando o algoritmo e estudando suas potenciais aplicações. No futuro, ele afirmou, o SEQUOIA poderia reduzir a necessidade de testes caros de expressão genética.
“Mostramos o quão útil isso pode ser para o câncer de mama, e agora podemos usá-lo para todos os tipos de câncer e analisar qualquer assinatura genética que exista por aí”, disse ele. “É uma nova fonte de dados que não tínhamos antes.”
Cientistas da Roche Diagnostics também foram autores do artigo.
