Inteligência Artificial entra no Diagnóstico Molecular de Cancros

Inteligência Artificial entra no Diagnóstico Molecular de cancros
Inteligência Artificial entra no Diagnóstico Molecular de cancros

A inteligência artificial (IA) entrou no setor da saúde e já está a mudar a forma como os patologistas moleculares analisam informações genéticas complexas, classificam cancros e tomam decisões sobre testes de diagnóstico. Mas qual é a confiabilidade ferramentas e onde podem fazer uma diferença significativa no atendimento ao paciente?

Diversos estudos apresentados na Reunião Anual e Exposição da Associação de Patologia Molecular de 2026 exploraram o papel emergente da IA ​​no diagnóstico molecular, incluindo a identificação de cancros difíceis de classificar, a melhoria da precisão dos relatórios gerados por IA e o auxílio aos laboratórios no uso mais eficiente de testes genéticos.

A IA classifica com precisão dezenas de subtipos de cancro do sangue.

Investigadores desenvolveram um modelo de IA que utiliza padrões de metilação do ADN para identificar e classificar cancros do sangue. Estes cancros incluem inúmeros subtipos que podem ser difíceis de distinguir usando abordagens diagnósticas convencionais, mas a classificação precisa é essencial para determinar o prognóstico e o tratamento.

Investigadores da ALMA Genomics, da Universidade da Pensilvânia, do Instituto de Tecnologia de Massachusetts e de várias outras instituições académicas e clínicas desenvolveram o ALMA 3, um modelo básico de IA treinado a partir de mais de 110.000 amostras de pacientes.

Como referem os investigadores, o modelo de diagnóstico detetou, em testes independentes, a presença de tumores hematolinfoides com sensibilidade de 99,5% e alcançou um valor preditivo positivo de 90,9% ao atribuir subtipos específicos de cancro.

O estudo incluiu 81 subtipos de cancros sanguíneos e linfáticos, incluindo vários que são particularmente difíceis de classificar usando métodos de diagnóstico convencionais.

Os resultados do estudo mostram o potencial da classificação molecular assistida por IA para complementar a patologia convencional, embora esteja em andamento uma validação clínica adicional.

Plataforma de IA torna os relatórios genéticos do cancro mais confiáveis ​​e acessíveis.

Cientistas da Universidade de Michigan desenvolveram uma plataforma de código aberto, assistida por IA, projetada para ajudar patologistas moleculares a interpretar dados complexos de sequenciamento genético e gerar relatórios clínicos, reduzindo o risco de informações sem fundamento ou imprecisas.

A plataforma, chamada Turnkey Precision Oncology, processa resultados de sequenciamento de ADN e ARN, identifica alterações genéticas e gera laudos preliminares para revisão por patologistas. O agente de IA, o TPO-Agent, utiliza bancos de dados de genética do cancro e literatura científica já estabelecidos, verificando se as interpretações são respaldadas pelas evidências já assumidas.

Os investigadores verificaram que em testes envolvendo 50 alterações genéticas em 10 pacientes, aproximadamente 95% das afirmações do sistema de IA foram corretamente comprovadas pelas evidências já assumidas, em comparação com 65% para uma abordagem convencional de IA equipada com ferramentas semelhantes.

A plataforma mais abrangente também demonstrou concordância de aproximadamente 95% com um laboratório clínico na identificação de alterações genéticas individuais em 28 relatórios. Os relatórios gerados por IA apresentaram alta concordância com as interpretações de especialistas sobre alterações clinicamente significativas.

Os resultados dos testes sugerem que sistemas de IA projetados com base em evidências verificáveis ​​e supervisão especializada podem ajudar os laboratórios a produzir relatórios de patologia molecular com mais eficiência e tornar os relatórios genéticos abrangentes do cancro mais acessíveis. Avaliações adicionais ajudarão a estabelecer o desempenho da plataforma na prática clínica de rotina.

A IA pode reduzir a necessidade de testes genéticos rápidos desnecessários em casos de cancro do pulmão.

Investigadores do Memorial Sloan Kettering Cancer Center e da Icahn School of Medicine do Mount Sinai investigaram se a inteligência artificial poderia ajudar os patologistas a determinar quais as amostras de cancro do pulmão precisam de testes genéticos rápidos.

A análise de mutações no gene EGFR pode ajudar a identificar pacientes que podem beneficiar de tratamentos direcionados, mas a realização de múltiplos testes pode consumir tecido tumoral valioso e recursos laboratoriais.

A equipa de investigadores incorporou a análise de IA de lâminas de patologia digital num fluxo de trabalho no qual seis patologistas moleculares revisaram 80 casos consecutivos de adenocarcinoma de pulmão. O projeto utilizou modelos de IA relacionados à patologia, especificamente TAPFM e EAGLE.

Com base nos resultados da IA, os patologistas revisores indicaram que o teste rápido de EGFR poderia ter sido adiado em 26 casos, ou 33%, sem que nenhum dos casos confirmados como EGFR-positivos no estudo fosse negligenciado.

Estes resultados preliminares sugerem que a IA pode ajudar os laboratórios a priorizar testes rápidos, preservando o tecido para análises genómicas abrangentes. No entanto, a abordagem mostrou-se menos confiável para identificar casos em que o teste rápido seria dispensado para certas fusões génicas, o que destaca a necessidade de melhoramento e supervisão humana contínua.

De um modo geral, os autores dos estudos afirmaram que esta abordagem proporcionou uma maneira segura e económica de reduzir os testes moleculares rápidos, preservar o tecido para testes moleculares mais abrangentes e tomar melhores decisões de tratamento.

A IA deteta diferenças moleculares entre cancros do fígado usando imagens de patologia de rotina.

Investigadores do Beth Israel Deaconess Medical Center e da Harvard Medical School investigaram se a inteligência artificial poderia distinguir duas formas principais de cancro do e fígado por analisa de imagens de lâminas microscópicas de rotina.

O carcinoma hepatocelular e o colangiocarcinoma intra-hepático originam-se de diferentes tipos de células hepáticas e possuem abordagens de tratamento distintas, o que torna importante uma classificação precisa.

Utilizando um modelo de IA capaz de analisar imagens patológicas sem treino adicional específico para cada doença, a equipa de investigadores examinou 50 lâminas de tecido digitalizadas do conjunto de dados públicos do Atlas do Genoma do Cancro (TCGA). O modelo detetou padrões visuais associados a genes específicos de cada tipo de cancro, especialmente aqueles característicos das células do fígado (hepatócitos), e os dados de sequenciamento de ARN dos mesmos tumores corroboraram as descobertas.

Os resultados sugerem que a IA pode ser capaz de extrair informações moleculares de imagens de tecido já recolhidas durante o diagnóstico de rotina, assim, potencialmente fornecendo mais uma ferramenta para auxiliar na classificação do cancro.

A IA mostra potencial para prever mutações em lâminas de cancro do estômago.

Cientistas da Universidade de Stanford investigaram se a inteligência artificial poderia prever mutações genéticas associadas ao cancro usando imagens de patologia padrão, potencialmente fornecendo mais uma ferramenta para complementar os testes moleculares.

Embora o sequenciamento genómico forneça informações valiosas para o diagnóstico e tratamento do cancro, este pode ser caro e talvez não esteja prontamente disponível em todos os contextos clínicos.

Os investigadores analisaram lâminas de tecido digitalizadas de 367 pacientes com cancro gástrico, utilizando um modelo de inteligência artificial para identificar características de imagem associadas a mutações em quatro genes relacionados ao cancro. Os resultados mais expressivos foram para mutações nos genes PIK3CA e CDH1, com índices de desempenho preditivo de 0,80 e 0,77, respetivamente, em uma escala onde 0,50 representa discriminação aleatória e 1,0 representa discriminação perfeita.

Embora os resultados necessitem de validação em outras populações de pacientes, o estudo sugere que a análise por IA de lâminas histológicas existentes poderá, eventualmente, ajudar os laboratórios a priorizar os testes moleculares.