Imagine um exame de sangue de rotina que poderia detectar o câncer em seus estágios iniciais—antes que ele sobrecarregue a capacidade do corpo de controlá-lo.
Novas pesquisas publicadas na Science Translational Medicine sugerem que essa realidade pode não estar tão distante.
A pesquisa utiliza machine learning—especificamente um algoritmo chamado Alu Profile Learning Using Sequencing, ou A-Plus, para detectar elementos Alu no sangue—um tipo de DNA repetitivo.
Pessoas com cânceres “sólidos” (aqueles em órgãos como a mama ou a próstata, em oposição aos cânceres do sangue, como a leucemia, que são considerados “líquidos”) tendem a ter menos elementos Alu em seu sangue do que pessoas sem câncer. Os pesquisadores usaram essas descobertas para melhorar um teste que detecta o câncer precocemente. De acordo com um comunicado de imprensa, os pesquisadores reproduziram seus resultados e validaram suas descobertas usando um tamanho de amostra dez vezes maior do que o normalmente usado para esses tipos de estudos.
Testes sanguíneos e inteligência artificial
Usar testes sanguíneos para detectar câncer é chamado de biópsia líquida—que usa fluidos corporais (geralmente sangue) para detectar câncer em vez de ter que fazer uma biópsia padrão que remove tecido de um tumor para procurar células cancerígenas. As biópsias líquidas são mais convenientes para os pacientes, pois são menos invasivas, menos dolorosas e têm menor risco de complicações.
Christopher Douville é professor assistente de oncologia na Faculdade de Medicina Johns Hopkins e autor principal do estudo.
“Os testes de sangue têm grande promessa para a detecção precoce de cânceres antes que as pessoas apresentem quaisquer sintomas”, disse o Sr. Douville em um comunicado de imprensa. “No entanto, analisar resultados com machine learning não necessariamente se traduziu em sucesso a longo prazo para os pacientes quando pequenas flutuações produzem previsões muito diferentes nesses modelos complexos. Para ter um impacto a longo prazo no cuidado do paciente, os médicos e os pacientes devem ter confiança de que os modelos classificam consistentemente e de forma reproduzível o status do câncer. Em nosso manuscrito, avaliamos 1.686 indivíduos várias vezes para avaliar se nosso modelo de machine learning entrega consistentemente a mesma resposta.”
Ao ser questionado sobre como a adoção de machine learning, ou IA (inteligência artificial), é benéfica na detecção de elementos Alu no sangue, o Sr. Douville disse ao The Epoch Times por e-mail: “A IA pode integrar centenas de milhares de características preditivas para detectar padrões complexos. Os padrões subjacentes muitas vezes podem ser perdidos usando abordagens convencionais.”
Outra vantagem do uso da IA é reduzir o risco de resultados falso-positivos, explicou o Sr. Douville, dizendo: “O machine learning pode identificar padrões complexos frequentemente perdidos usando abordagens mais convencionais. Dado o quão difícil é identificar quantidades mínimas de câncer no sangue, o machine learning oferece uma maneira de aumentar a sensibilidade.”
Os pesquisadores coletaram 3.105 amostras de sangue de pessoas com cânceres sólidos e 2.073 de pessoas sem câncer—mas usaram um total de 7.615 amostras para que duplicatas pudessem ser usadas para testar a função e a precisão do modelo. O estudo examinou 11 tipos de câncer, incluindo câncer de mama, cólon e reto, esôfago, pulmão, fígado, pâncreas, ovário e estômago.
Notavelmente, a maioria das amostras daqueles com câncer tinha a doença em seus estágios iniciais e tinha poucas ou nenhuma metástase no momento do diagnóstico.
Após os testes, os pesquisadores alcançaram uma especificidade de 98,9%. “Isso é crucial ao rastrear pacientes assintomáticos, para que as pessoas não sejam informadas incorretamente de que têm câncer”, observou o Sr. Douville no comunicado de imprensa.
Um comunicado de imprensa no site da City of Hope explica como esse DNA chega à corrente sanguínea:
“Quando uma célula morre, ela se decompõe e parte do material de DNA da célula vaza para a corrente sanguínea. Sinais de câncer podem ser encontrados neste DNA livre de células (cfDNA). O cfDNA de células normais se decompõe em um tamanho típico, mas os fragmentos de cfDNA de câncer se decompõem em pontos alterados. Essa alteração é hipotetizada para estar mais presente em regiões repetitivas do genoma.”
Fragmentômica
Isso permitiu que pesquisadores da City of Hope e da Universidade Johns Hopkins desenvolvessem uma nova maneira de “detectar a diferença nos padrões de fragmentação em regiões repetitivas de cfDNA de câncer e cfDNA normal.”
A técnica usa algo chamado fragmentômica, que “analisam o padrão da quantidade e dos tamanhos dos fragmentos de DNA no sangue,” de acordo com o Instituto Nacional do Câncer. “A fragmentômica requer cerca de oito vezes menos sangue do que o necessário para o sequenciamento do genoma inteiro”, explicou Cristian Tomasetti, autor correspondente do estudo e diretor do Centro de Prevenção e Detecção Precoce de Câncer da City of Hope, no comunicado de imprensa.
Kamel Lahouel é o co-primeiro autor do estudo e professor assistente na Divisão de Genômica Integrada do Câncer do TGen. “Nossa técnica é mais prática para aplicações clínicas, pois requer quantidades menores de material genômico de uma amostra de sangue. O sucesso contínuo nessa área e a validação clínica abrem as portas para a introdução de testes de rotina para detectar câncer em seus estágios iniciais.”
A busca pelos elementos Alu poderia potencialmente levar à detecção de todos os tipos de câncer no futuro? O Sr. Douville diz: “Em nosso estudo, avaliamos apenas 11 tipos diferentes de cânceres sólidos, mas temos motivos para acreditar que isso poderia se generalizar para cânceres adicionais.”
O uso dos elementos Alu representa uma nova maneira de detectar o câncer mais cedo e potencialmente melhorar os resultados para os pacientes.
“Os elementos Alu são frequentemente ignorados como um possível biomarcador de câncer devido aos desafios técnicos associados à sua análise. Nosso estudo mostra que as representações dos elementos Alu são alteradas no cfDNA de pacientes com muitos tipos diferentes de câncer e podem ser usadas para aprimorar métodos projetados para a detecção precoce do câncer.” disse o Sr. Douville.
Esforço colaborativo
O estudo foi um esforço colaborativo massivo, com 38 autores contribuintes, 28 dos quais eram da Escola de Medicina da Universidade Johns Hopkins e da City of Hope, uma organização de pesquisa e tratamento do câncer.
Autores adicionais eram do Departamento de Medicina e Departamento de Epidemiologia da Universidade de Pittsburgh, do Departamento de Cirurgia do NYU Langone Health, da Universidade de Medicina Pham Ngoc Thach e do Centro de Pesquisa em Medicina de Precisão de Saigon no Vietnã, e do Instituto de Pesquisa Médica Walter e Eliza Hall, da Universidade de Melbourne, da Universidade de Tecnologia de Sydney e da Universidade de Nova Gales do Sul na Austrália, de acordo com o comunicado de imprensa.
Quanto à disponibilidade do teste para médicos e o público, um representante da City of Hope disse ao The Epoch Times em um e-mail:
“Neste verão, a City of Hope está pronta para testar um método de triagem inovador desenvolvido pela City of Hope e TGen para a detecção precoce de todos os tipos de câncer. A Fase A visa inscrever 30.000 voluntários não cancerosos com idades entre 65 e 75 anos, dos quais 15.000 serão randomizados para o grupo de controle e 15.000 estarão no grupo de triagem.”
