.
Uma nova geração de ferramentas de inteligência artificial (IA) projetadas para permitir a detecção rápida e de baixo custo de alterações genômicas clinicamente acionáveis diretamente de lâminas de biópsia de tumor foi desenvolvida por uma equipe liderada por engenheiros e pesquisadores médicos da Universidade da Califórnia em San Diego.
Um artigo descrevendo o novo protocolo de IA para examinar biópsias de rotina, chamado DeepHRD, foi publicado recentemente no Revista de Oncologia Clínica.
O autor sênior Ludmil Alexandrov, Ph.D., professor de bioengenharia e professor de medicina celular e molecular na UC San Diego, diz que o novo método foi desenvolvido para economizar semanas e milhares de dólares em fluxos de trabalho de tratamento oncológico clínico para câncer de mama e ovário.
A equipe diz que seu trabalho representa um enorme passo à frente nos esforços globais para eliminar os atrasos e as desigualdades de saúde que têm confundido a promessa da medicina de precisão para pacientes com câncer. Visão geral: Desenvolver novas ferramentas de IA que possam complementar ou substituir os testes genômicos caros e demorados necessários para determinar o melhor tratamento de primeira linha para o câncer específico para cada paciente individual.
“Um paciente com câncer hoje pode esperar semanas cruciais após o diagnóstico inicial do tumor para um teste genômico padrão, resultando em atrasos fatais no tratamento”, disse Alexandrov. “É muito preocupante que altos custos e atrasos tornem protocolos de tratamento que salvam vidas inacessíveis para a maioria dos pacientes, impactando desproporcionalmente cenários com recursos limitados.”
Na UC San Diego, este trabalho representa uma colaboração que abrange todo o campus, incluindo o Departamento de Medicina Celular e Molecular da Faculdade de Medicina da UC San Diego, o Departamento de Bioengenharia Shu Chien-Gene Lay da Faculdade de Engenharia Jacobs da UC San Diego, o Instituto de Engenharia em Medicina, o Departamento de Medicina e o Centro de Câncer Moores da UC San Diego.
Foi o potencial da oncologia de precisão para personalizar as opções de tratamento de cada paciente que motivou os colaboradores, disse Erik Bergstrom, Ph.D., principal autor do estudo e pesquisador de pós-doutorado no laboratório de Alexandrov, que faz a ponte entre bioengenharia e medicina.
“Infelizmente, altos custos, requisitos de tecido e tempos de resposta lentos têm dificultado o uso generalizado da oncologia de precisão, levando a um tratamento subótimo — potencialmente prejudicial — para pacientes com câncer”, disse Bergstrom. “Queríamos ver se poderíamos desenvolver uma abordagem completamente diferente para resolver esse problema sério projetando IA para contornar a necessidade de testes genômicos.”
Bergstrom disse que os colaboradores se concentraram em alavancar a quantidade mínima de informações do paciente que está disponível no início do processo de diagnóstico. Ele explicou que praticamente todo paciente com câncer passa por uma biópsia de tumor, uma amostra de tecido que é rotineiramente processada e examinada por meio de um microscópio de luz. O processo foi desenvolvido no final do século XIX e ainda é a espinha dorsal padrão dos primeiros fluxos de trabalho de oncologia clínica hoje.
“Nossa IA, aplicada diretamente a uma lâmina de tecido tradicional, permite a detecção precisa e instantânea de biomarcadores genômicos de câncer”, disse Bergstrom. Ele explicou que a equipe se concentrou na identificação por IA de um biomarcador específico para deficiência de recombinação homóloga (HRD), uma condição na qual uma célula cancerosa perde um mecanismo específico de reparo de danos ao DNA.
Bergstrom destacou que pacientes com câncer de ovário ou de mama portadores de DRH geralmente respondem bem às terapias com platina e PARP (poli-ADP ribose polimerase), duas formas comuns de quimioterapia.
“Essa abordagem de IA economiza tempo crítico para o paciente”, Alexandrov acrescentou. “Os oncologistas podem prescrever o tratamento imediatamente após o diagnóstico inicial do tecido. Notavelmente, o teste de IA tem uma taxa de falha insignificante, enquanto os testes genômicos atuais têm uma taxa de falha de 20 a 30 por cento, necessitando de novos testes ou até mesmo uma nova biópsia invasiva.”
O coautor sênior do estudo, Scott Lippman, MD, distinto professor de medicina da UC San Diego, Center for Engineering and Cancer, e membro do Moores Cancer Center, disse que a nova tecnologia removerá barreiras de tempo e dinheiro para permitir acesso imediato e universal e igualdade à detecção de biomarcadores genômicos acionáveis — necessária para terapia de precisão — para pessoas com câncer avançado. O aspecto extraordinário dessa IA inovadora é que ela beneficiará populações altamente informadas e com recursos e, notavelmente, fechará a “lacuna” de disparidades severas na medicina de precisão, especialmente em regiões remotas e com recursos limitados em todo o mundo, onde os testes ainda não existem.
“A era da oncologia de precisão decolou no final dos anos 90, mas estudos recentes nos EUA mostram que a vasta maioria dos pacientes com câncer não está recebendo terapia de precisão aprovada pela FDA”, disse Lippman. “E a principal razão é porque eles não estão sendo testados. Como oncologista clínico — e eu faço isso há quase 40 anos — não há dúvida de que essa abordagem é o futuro da oncologia de precisão.”
A tecnologia de IA por trás do DeepHRD é protegida por patentes provisórias pela UC San Diego, que foram licenciadas para a io9, uma empresa com forte envolvimento de Alexandrov, Bergstrom e Lippman, e o objetivo é mover essa plataforma de IA para a arena clínica o mais rápido possível para tornar a terapia de precisão real para pacientes com câncer, levando-os aos tratamentos precisos de que precisam mais rapidamente. Os autores esperam que a mesma tecnologia possa ser aplicada à maioria dos outros biomarcadores genômicos e a muitas formas de câncer.
Afiliações: Os autores têm as afiliações mencionadas acima: Ludmil B. Alexandrov tem nomeações no UC San Diego Moores Cancer Center, School of Medicine Department of Cellular and Molecular Medicine, Sanford Stem Cell Institute e no Department of Bioengineering na Irwin & Joan Jacobs School of Engineering. Erik N. Bergstrom é afiliado ao Moores Cancer Center e ao Department of Cellular and Molecular Medicine. Scott M. Lippman tem nomeações no Moores Cancer Center, Department of Medicine; e é um membro e conselho consultivo e codiretor do Center for Engineering and Cancer, Institute of Engineering in Medicine. Outros coautores são Ammal Abbasi e Marcos Díaz-Gay, ambos do Moores Cancer Center e Department of Cellular and Molecular Medicine e do Jacobs School of Engineering Department of Bioengineering; Loïck Galland e Sylvain Ladoire, ambos do Departamento de Oncologia Médica e da Plataforma de Transferência em Centro de Oncologia Biológica, Centro de Câncer Georges-François Leclerc e Universidade de Burgundy-Franche, França.
Financiamento: Este trabalho foi financiado pelos subsídios R01ES032547 e U01DE033345 do US National Institutes of Health para Ludmil B. Alexandrov, e P30 CA023100 para Scott M. Lippman, bem como por um subsídio Curebound Targeted e financiamento inicial da UC San Diego para Alexandrov. A pesquisa neste estudo também foi apoiada pelo UC San Diego Sanford Stem Cell Institute.
.
