.
A maioria das mortes por melanoma – a forma mais letal de câncer de pele – ocorre em pacientes que foram inicialmente diagnosticados com melanoma em estágio inicial e depois experimentaram uma recorrência que normalmente não é detectada até que tenha se espalhado ou metastatizado.
Uma equipe liderada por pesquisadores do Massachusetts General Hospital (MGH) desenvolveu recentemente um método baseado em inteligência artificial para prever quais pacientes têm maior probabilidade de sofrer uma recorrência e, portanto, espera-se que se beneficiem de um tratamento agressivo. O método foi validado em um estudo publicado em npj Oncologia de Precisão.
A maioria dos pacientes com melanoma em estágio inicial é tratada com cirurgia para remover células cancerígenas, mas pacientes com câncer mais avançado geralmente recebem inibidores de checkpoint imunológico, que fortalecem efetivamente a resposta imune contra células tumorais, mas também carregam efeitos colaterais significativos.
“Existe uma necessidade urgente de desenvolver ferramentas preditivas para auxiliar na seleção de pacientes de alto risco para os quais os benefícios dos inibidores de checkpoint imunológico justificariam a alta taxa de eventos adversos imunológicos mórbidos e potencialmente fatais observados com essa classe terapêutica”, diz sênior autor Yevgeniy R. Semenov, MD, investigador do Departamento de Dermatologia do MGH.
“A previsão confiável da recorrência do melanoma pode permitir uma seleção de tratamento mais precisa para imunoterapia, reduzir a progressão para doença metastática e melhorar a sobrevida do melanoma, minimizando a exposição às toxicidades do tratamento”.
Para ajudar a conseguir isso, Semenov e seus colegas avaliaram a eficácia de algoritmos baseados em aprendizado de máquina, um ramo da inteligência artificial, que usava dados de prontuários eletrônicos de pacientes para prever a recorrência do melanoma.
Especificamente, a equipe coletou 1.720 melanomas em estágio inicial – 1.172 do sistema de saúde Mass General Brigham (MGB) e 548 do Dana-Farber Cancer Institute (DFCI) – e extraiu 36 características clínicas e patológicas desses cânceres da saúde eletrônica registros para prever o risco de recorrência dos pacientes com algoritmos de aprendizado de máquina. Algoritmos foram desenvolvidos e validados com vários conjuntos de pacientes MGB e DFCI, e a espessura do tumor e a taxa de divisão de células cancerígenas foram identificadas como as características mais preditivas.
“Nossa plataforma abrangente de previsão de risco usando novas abordagens de aprendizado de máquina para determinar o risco de recorrência de melanoma em estágio inicial atingiu altos níveis de classificação e precisão de previsão de tempo para eventos”, diz Semenov. “Nossos resultados sugerem que os algoritmos de aprendizado de máquina podem extrair sinais preditivos de características clinicopatológicas para a previsão de recorrência de melanoma em estágio inicial, o que permitirá a identificação de pacientes que podem se beneficiar da imunoterapia adjuvante”.
Coautores adicionais do Mass General incluem Ahmad Rajeh, Michael R. Collier, Min Seok Choi, Munachimso Amadife, Kimberly Tang, Shijia Zhang, Jordan Phillips, Nora A. Alexander, Yining Hua, Wenxin Chen, Diane, Ho, Stacey Duey e Genevieve M. Boland.
Este trabalho foi apoiado pela Melanoma Research Alliance, os Institutos Nacionais de Saúde, o Departamento de Defesa e a Fundação de Dermatologia.
Fonte da história:
Materiais fornecidos por Hospital Geral de Massachusetts. Nota: O conteúdo pode ser editado para estilo e duração.
.
