Nova IA pode poupar milhares de doentes com cancro da mama de quimioterapia agressiva.

Em hospitais e clínicas por todo o mundo, médicas e médicos deparam-se todos os dias com a mesma decisão difícil: será suficiente operar e seguir com terapia hormonal, ou a doente precisa também de uma quimioterapia exigente? Um novo modelo de IA do Technion – Israel Institute of Technology entra precisamente neste ponto e analisa amostras de tecido de forma a poder reduzir, de maneira significativa, tratamentos desnecessários.

Porque é tão delicada a decisão de avançar para quimioterapia

O cancro da mama é a doença oncológica mais frequente nas mulheres. Entre os casos, são particularmente comuns os tumores hormonodependentes, HER2-negativos, que representam cerca de 70% dos aproximadamente 2,3 milhões de diagnósticos anuais em todo o mundo. Dentro deste grupo, a discussão mantém-se há anos: quem precisa mesmo de quimioterapia - e quem acaba apenas a ser tratado em excesso por precaução?

Na prática, as equipas clínicas baseiam-se sobretudo em factores tradicionais, como:

• dimensão do tumor e grau de agressividade (grau)
• envolvimento dos gânglios linfáticos
• estado dos receptores hormonais (receptores de estrogénio e de progesterona)
• estado HER2
• quando disponível, resultados de testes genéticos dispendiosos, como o Oncotype DX

A partir destas peças, constrói-se uma estimativa: qual é o risco de recidiva? E até que ponto a quimioterapia poderia reduzir esse risco? É exactamente aqui que surgem as incertezas - e é também aqui que a qualidade de vida da doente fica em causa.

Os testes de assinatura genética, como o Oncotype DX, ajudaram a clarificar muitas decisões nos últimos anos. No entanto, custam cerca de 3.500 dólares por análise, demoram vários dias e, em muitos países, simplesmente não existem. Mesmo em sistemas de saúde com mais recursos, os custos e a burocracia travam a sua utilização rotineira.

Como a IA do Technion usa imagens digitais de tecido

A equipa do Technion seguiu uma via diferente. Em vez de sequenciar genes do tecido tumoral, o seu modelo de IA avalia directamente as imagens digitais dos cortes histológicos que já são produzidos para o diagnóstico.

Para isso, recorrem-se a cortes corados de forma standard (coloração hematoxilina-eosina), tal como qualquer serviço de Anatomia Patológica realiza. Esses cortes são digitalizados com um scanner e, depois, processados por um algoritmo de deep learning.

"A IA procura padrões no tumor e na sua envolvente imediata que o olho humano consegue ver, mas que não consegue quantificar de forma fiável. A partir destes sinais subtis, o sistema calcula um score de risco de 0 a 100 - incluindo uma previsão de quanto a quimioterapia deverá reduzir o risco de recidiva."

A lógica aproxima-se da diferença entre um teste genético e olhar para um espelho: em vez de desmontar o material hereditário ao pormenor, a IA observa o “resultado final”, ou seja, o próprio tecido. Certas formas celulares, padrões de organização ou respostas do sistema imunitário dão pistas sobre a agressividade biológica do tumor.

Validado em mais de 8.000 doentes numa grande investigação (TAILORx)

A questão determinante é simples: a IA fornece uma indicação clinicamente útil ou é apenas uma teoria elegante? Para responder, o grupo recorreu a dados do grande ensaio randomizado TAILORx. Este estudo acompanhou mais de 10.000 mulheres com cancro da mama hormonodependente e HER2-negativo. Para a avaliação da IA, estavam disponíveis dados de 8.284 doentes.

O resultado surpreendeu: os scores calculados pela IA ficaram muito próximos dos obtidos pelo teste genético Oncotype DX. Em muitos casos, o modelo identificou de forma consistente tumores com elevado risco genómico - isto é, doentes com maior probabilidade de beneficiar de quimioterapia.

Mais relevante ainda: como o TAILORx foi um ensaio randomizado com braços de tratamento bem definidos, a equipa conseguiu testar se a IA não só antecipa o risco de recidiva, como também estima o benefício da quimioterapia. É precisamente esta capacidade que falta a muitos modelos anteriores.

Menos sobretratamento, mais ajuda onde a quimioterapia faz diferença

Segundo as investigadoras e os investigadores, o potencial clínico é grande. Em mulheres pós-menopausa com score baixo, o oncologista poderia optar com mais confiança por não fazer quimioterapia. Isso permitiria evitar queda de cabelo, náuseas, exaustão, danos nervosos e um risco acrescido de infecções - sem perder protecção contra a recidiva.

Ao mesmo tempo, outro grupo pode ficar mais visível: algumas doentes mais jovens em quem, hoje, a decisão tende a ser excessivamente conservadora e que, possivelmente, acabam por receber pouca terapêutica sistémica. Nestes casos, a IA poderia servir de alerta e sugerir ponderar seriamente a quimioterapia, mesmo quando os factores clássicos apontam para menor preocupação.

"O objectivo não é ‘abolir’ a quimioterapia em geral, mas aplicá-la de forma mais direccionada - nas mulheres que realmente precisam dela e em mais ninguém."

O algoritmo já foi testado em várias unidades em Israel, nos EUA e na Austrália, incluindo os centros médicos Carmel, Emek e Sheba. Nesses locais, mostrou resultados consistentes, independentemente do tipo de scanner, dos fluxos laboratoriais ou da população tratada.

Custos baixos e rapidez - especialmente relevante para países com menos recursos

Outra vantagem está na implementação prática. Enquanto um teste genético custa vários milhares de dólares e pode demorar de dias a semanas, com a IA o processo resume-se a:

• um scan digital dos cortes histológicos já existentes (por vezes com custos abaixo de 1 euro)
• envio dos dados para um sistema de IA
• cálculo do score em poucos minutos

Não são necessárias biópsias adicionais, nem métodos laboratoriais especiais, nem longos períodos de espera. Qualquer serviço de Anatomia Patológica com scanner digital e acesso à Internet poderia introduzir esta análise. É precisamente isso que torna a tecnologia apelativa para sistemas de saúde com recursos limitados - por exemplo, em partes da América Latina, África ou Ásia.

Nessas regiões, testes de assinatura genética dispendiosos são muitas vezes completamente incomportáveis. Uma IA que funciona com material standard abre a porta a uma terapêutica personalizada do cancro da mama que, até agora, tem sido mais viável em países com maior capacidade financeira.

Limitações: ainda é uma “caixa negra” e estão previstos novos estudos

Apesar de os resultados serem impressionantes, o algoritmo é, neste momento, uma “caixa negra” clássica. Ou seja, produz um score, mas é difícil explicar de forma transparente todos os passos que levaram àquela decisão. Para muitos oncologistas, isto é um entrave, porque as decisões terapêuticas têm de ser justificadas - perante as doentes, comissões e financiadores.

Para aumentar a confiança, a equipa planeia estudos prospectivos no Brasil e na Índia. A ideia é integrar a IA em tempo real na prática clínica diária. Só quando ficar demonstrado que as doentes orientadas com apoio da IA são efectivamente melhor conduzidas - e não têm piores resultados - é que o sistema poderá generalizar-se.

Onde estão as oportunidades e os riscos para as doentes com cancro da mama

Para quem está doente, uma decisão apoiada por IA pode soar abstracta. No entanto, traduz-se em pontos muito concretos:

• Vantagens: menos exposição desnecessária a substâncias tóxicas, menos efeitos tardios, planeamento terapêutico mais rápido, maior clareza na conversa com a equipa assistente
• Riscos: possível classificação errada em casos individuais, dependência da qualidade dos scans do tecido, compreensão limitada dos mecanismos por trás do score
• Condições necessárias: patologistas e oncologistas bem treinados para interpretar o score e orientações claras sobre quando e como utilizar o valor fornecido pela IA

O essencial mantém-se: a IA não substitui um médico. Acrescenta uma perspectiva adicional, baseada em dados, que deve entrar na avaliação global. No fim, é sempre uma equipa humana, em conjunto com a doente, que decide o plano terapêutico.

O que as doentes já podem perguntar hoje

Mesmo que este modelo específico do Technion ainda não esteja a ser usado em hospitais em Portugal, reforça uma tendência clara: sair da quimioterapia “para todas” e avançar para decisões mais diferenciadas. Já hoje, as doentes podem perguntar na consulta, por exemplo:

• Que factores pesam, no meu caso, a favor ou contra uma quimioterapia?
• Foi utilizado um teste de assinatura genética ou outro modelo de risco?
• Existem estudos ou ferramentas que ajudem a estimar melhor o meu benefício individual?
• Qual seria o meu risco de recidiva, com e sem quimioterapia, em números?

Quando a doente percebe como a equipa clínica chega à sua avaliação, torna-se mais fácil participar na decisão e ponderar efeitos secundários de forma realista.

Como a IA pode transformar a oncologia a longo prazo

Este trabalho no cancro da mama será, provavelmente, apenas um começo. Imagens histológicas existem em quase todos os diagnósticos de cancro. Se modelos de IA aprenderem padrões a partir destes dados, poderá ser possível, no futuro, refinar decisões terapêuticas também no cancro do cólon, cancro da próstata ou cancro do pulmão.

São plausíveis cenários em que o patologista, ao observar a lâmina digital, recebe de imediato várias camadas de informação: risco de recidiva, benefício de diferentes terapêuticas, indícios de alterações genéticas específicas - tudo sem testes laboratoriais adicionais. Isto poupa tempo e dinheiro e pode elevar a qualidade dos cuidados a nível global.

Ao mesmo tempo, cresce a necessidade de regras claras: quem assume a responsabilidade se uma recomendação da IA se revelar errada? Como proteger algoritmos contra enviesamentos decorrentes de dados de treino desequilibrados? E como garantir a liberdade clínica de decisão se seguradoras ou pagadores se apoiarem demasiado em scores automatizados?

A IA desenvolvida em Israel não traz respostas fechadas, mas deixa um sinal inequívoco: a terapêutica do cancro da mama terá de ser mais individual - e as ferramentas digitais podem ajudar a encontrar o equilíbrio certo entre probabilidade de cura e qualidade de vida.