Diagnóstico de tumores: modelo de IA detecta mais de 170 tipos de cancro
Olhar para o genoma em vez de olhar para o tecido
A imagem de ressonância magnética mostra um tumor cerebral numa localização pouco suspeita, - e uma biopsia cerebral implicará riscos elevados para o doente, que nos consultou devido a visão dupla. Situações como esta, citadas a título de exemplo, numa equipa multidisciplinar de especialistas em medicina oncológica, levaram os investigadores da Charité - Universitätsmedizin Berlin, juntamente com parceiros de cooperação, a procurar novos procedimentos de diagnóstico. O resultado é um modelo de IA. O modelo utiliza caraterísticas específicas do material genético dos tumores - a sua impressão digital epigenética, obtida, por exemplo, a partir do líquido cefalorraquidiano, entre outras coisas. Como a equipa demonstra na revista Nature Cancer*, o novo modelo classifica os tumores de forma rápida e muito fiável.
Atualmente, são conhecidos muito mais tipos de tumores do que os órgãos de onde provêm. Cada tumor tem as suas próprias caraterísticas, certas caraterísticas dos tecidos, taxas de crescimento e peculiaridades metabólicas. No entanto, os tipos de tumores com caraterísticas moleculares semelhantes podem ser agrupados. O tratamento da doença individual depende decisivamente do tipo de tumor. As novas terapias direcionadas dirigem-se a determinadas estruturas das células tumorais ou bloqueiam as suas vias de sinalização, de modo a travar o crescimento patológico do tecido. As quimioterapias podem ser selecionadas de acordo com o tipo de tumor e a sua dosagem ajustada em conformidade. Especialmente no caso de tipos de tumores raros, pode ser possível prosseguir terapias inovadoras no âmbito de estudos.
O modelo de IA, crossNN, compara os dados epigenéticos de tumores desconhecidos com as impressões digitais de mais de 8000 tumores de referência. Uma cruz marca o tumor a ser examinado. A visualização mostra a grande quantidade de dados em que o modelo se baseia. Cada ponto representa o perfil de um tumor de referência que contém várias centenas de milhares de peças de informação; cada cor representa um tipo de tumor específico.
© Charité | Philipp Euskirchen
"No contexto de uma medicina oncológica cada vez mais personalizada e em rápido desenvolvimento, o diagnóstico preciso num centro de tumores certificado é o caminho a seguir para um tratamento bem sucedido", afirmou o Prof. Martin E. Kreis, Diretor Médico da Charité. Embora uma análise molecular, celular e funcional abrangente de um tumor com base em amostras de tecido forneça as informações necessárias, os médicos também são confrontados com casos em que não é possível ou é muito arriscado extrair amostras de tecido do tumor. Além disso, mesmo um exame histológico isolado não é capaz de fornecer um diagnóstico tão preciso como o novo modelo de IA.
Olhar para o genoma em vez de olhar para o tecido
Foi estabelecido um método para caraterizar os tumores cerebrais que não se baseia em diagnósticos microscópicos convencionais, mas sim em modificações do material genético do tumor, as caraterísticas epigenéticas. Estas fazem parte da memória de cada célula e determinam que partes da informação genética são lidas e quando. "Centenas de milhares de modificações epigenéticas actuam como interruptores para ligar e desligar secções individuais de genes. Os seus padrões formam uma impressão digital única e inconfundível", explica o Dr. Philipp Euskirchen, cientista do German Cancer Consortium em Berlim e do Instituto de Neuropatologia da Charité, que dirige o estudo recentemente publicado. "Nas células tumorais, a informação epigenética é alterada de uma forma caraterística. Com base nos seus perfis, podemos diferenciar os tumores e classificá-los". No caso dos tumores cerebrais, até uma amostra do líquido cefalorraquidiano é suficiente nalguns casos, e pode ser obtida com relativa facilidade - dispensando a cirurgia.
Para comparar uma impressão digital desconhecida com milhares de impressões digitais conhecidas de diferentes cancros e atribuí-la a um tipo de tumor específico, são necessários métodos de aprendizagem automática, ou seja, inteligência artificial, dado que os dados são muito extensos e complexos. Além disso, no passado, foram aplicados diferentes métodos de sequenciação de ADN. Além disso, as análises epigenéticas estão normalmente limitadas a padrões definidos e a segmentos de genes típicos de tipos de tumores individuais. "Consequentemente, o nosso objetivo era desenvolver um modelo que classificasse com precisão os tumores, mesmo que estes se baseassem apenas em partes de todo o epigenoma tumoral ou que os perfis fossem recolhidos através de diferentes técnicas e com diferentes graus de precisão", como afirmou o bioinformático Dr. Sören Lukassen, chefe do grupo de trabalho Medical Omics no Instituto de Saúde de Berlim da Charité (BIH).
Fiável e rastreável
Um modelo de IA recentemente desenvolvido dá pelo nome de crossNN, cuja arquitetura se baseia numa rede neural simples. O modelo foi treinado com um grande número de tumores de referência e posteriormente testado em mais de 5000 tumores. "O nosso modelo permite um diagnóstico muito preciso dos tumores cerebrais em 99,1 por cento dos casos e é mais exato do que as soluções de IA existentes até à data", como referiu Philipp Euskirchen. "Além disso, conseguimos treinar um modelo de IA da mesma forma que pode diferenciar entre mais de 170 tipos de tumores de todos os órgãos, alcançando uma precisão de 97,8%. Isto significa que pode ser utilizado para cancros de todos os órgãos, para além dos relativamente raros tumores cerebrais". O fator decisivo para futuras aprovações na aplicação clínica é que os modelos sejam totalmente explicáveis, ou seja, deve ser possível compreender como se chega às decisões.
A impressão digital molecular que o modelo de IA recebe para determinação pode provir de uma amostra de tecido ou de fluidos corporais. No caso de tumores cerebrais específicos, o Departamento de Neuropatologia da Charité já oferece diagnósticos não invasivos baseados no líquido cefalorraquidiano, conhecidos como biópsia líquida. Isto permite fazer um diagnóstico sem uma operação stressante, mesmo em situações difíceis. O doente que nos consultou com visão dupla foi um dos beneficiários. "Examinámos o líquido cefalorraquidiano utilizando a sequenciação por nanoporos, uma nova forma de análise genética muito rápida e eficaz. A classificação pelos nossos modelos revelou que se tratava de um linfoma do sistema nervoso central, o que nos permitiu iniciar prontamente a quimioterapia adequada", explica Philipp Euskirchen.
crossNN em ensaios clínicos
A exatidão da metodologia apanhou mesmo os investigadores de surpresa. "Apesar de a arquitetura do nosso modelo de IA ser muito mais simples do que as abordagens anteriores e, por conseguinte, continuar a ser explicável, fornece previsões mais precisas e, consequentemente, maior certeza de diagnóstico", afirma Sören Lukassen. Juntamente com o German Cancer Consortium (DKTK), a equipa de investigação está, por isso, a planear ensaios clínicos com o crossNN nos oito centros do DKTK na Alemanha. Para além disso, será também testada a utilização intra-operatória. O objetivo é transferir a determinação precisa e comparativamente barata do tumor com base em amostras de ADN para os cuidados de rotina.
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Inglês pode ser encontrado aqui.
Publicação original
Outras notícias do departamento ciência
