Pesquisadores criam IA que usa hemograma para prever risco de recidiva do câncer de mama
Ferramenta tem potencial de ampliar o acesso a prognósticos precisos no SUS
Pesquisadores da Faculdade de Medicina da USP (FMUSP) e do Instituto do Câncer do Estado de São Paulo (Icesp) desenvolveram o BreastOncoPredict, um software de inteligência artificial (IA) capaz de prever o risco de recorrência — isto é, o retorno do câncer na mama ou em outra parte do corpo, o que é chamado de metástase — ou morte de pacientes com câncer de mama. O trabalho foi publicado em versão não editada na revista científica npj Breast Cancer, do grupo Nature, e a ferramenta criada no âmbito do Centro Integrado de Oncologia de Precisão (C2PO).
A principal inovação do estudo está na simplicidade dos dados utilizados. Em vez de recorrer a testes genéticos que analisam o tecido do tumor e podem custar milhares de reais por paciente, o software utiliza apenas informações já coletadas rotineiramente ao diagnóstico: o estágio clínico do tumor, a idade da paciente e um hemograma completo. Como esses dados já são gerados no atendimento padrão, o uso da ferramenta não representaria nenhum custo adicional para o Sistema Único de Saúde (SUS).
O trabalho incorpora o papel dos glóbulos vermelhos (a chamada série vermelha do hemograma) na previsão de risco — um tipo de dado raramente utilizado por modelos prognósticos de câncer de mama até então. Além disso, sugere que um maior risco de recorrência em 10 anos para pacientes com câncer de mama está relacionado, de forma independente, a baixos níveis de hemoglobina (anemia) e a valores elevados de RDW (parâmetro para medir a variação no tamanho das hemácias, que são os glóbulos vermelhos do sangue).
IA multimodal
A equipe analisou dados retrospectivos de 4.867 pacientes tratadas no Icesp entre 2008 e 2022, chegando a uma coorte final de 4.277 pacientes. A partir do hemograma, os pesquisadores calcularam índices que refletem o estado inflamatório e imunológico do organismo – como a razão entre neutrófilos e linfócitos, entre plaquetas e linfócitos, e a variabilidade no tamanho das hemácias (RDW). Depois, os índices foram combinados a dados clínicos básicos, totalizando 16 variáveis.
Dezenas de modelos de aprendizado de máquina foram treinados e comparados, até a equipe chegar a um modelo final que combina diferentes algoritmos (conhecido como ensemble ou stacking). O software consegue prever tanto o risco de recorrência em curto prazo (2 anos) quanto em longo prazo (10 anos), com desempenho consistente entre os principais subtipos moleculares do câncer de mama (HR+, HER2+ e triplo-negativo).
Além de gerar uma estimativa de risco, o BreastOncoPredict foi desenhado para indicar quais fatores mais contribuíram para cada previsão individual, ao contrário de modelos cujo funcionamento interno não pode ser inspecionado.
“O BreastOncoPredict é uma IA explicável, ao contrário da IA ‘caixa-preta’, em que não é possível saber quais são as informações mais importantes. Com essa técnica, constatamos que a análise da série vermelha do hemograma — não apenas os leucócitos — era importante para a predição de recidiva pela IA”, afirma Luciana Carvalho Barros, pesquisadora científica do Centro de Investigação Translacional em Oncologia (Icesp/FMUSP), pesquisadora membro do C2PO USP e líder do estudo.
A partir dos dados do paciente, interface do software BreastOncoPredict avalia risco de recidiva, curva de sobrevida, impactos e apresenta resumo clínico de cada caso – Imagem: Reprodução / BreastOncoPredict
Potencial de impacto no SUS
Segundo estimativas do Instituto Nacional de Câncer (Inca), o Brasil registra cerca de 73.610 novos casos de câncer de mama por ano. Testes genéticos de referência para prognóstico do câncer de mama analisam a atividade de genes diretamente no tecido do tumor e podem custar milhares de reais por paciente. Os altos valores desses testes tornam sua incorporação inviável na rotina do SUS e de sistemas públicos de saúde de outros países de renda média e baixa.
“Os testes genéticos precisam de uma biópsia de cada paciente, uma coleta do tumor, e por isso são muito caros e inacessíveis para o contexto do SUS. O BreastOncoPredict não necessita de coletas além do hemograma que já é realizado para o acompanhamento”, avalia Luciana Barros.
Na prática, os pesquisadores esperam que a ferramenta ajude médicos a calibrar a intensidade do tratamento e do acompanhamento de cada paciente. Casos de alto risco poderiam ter tratamento estendido e vigilância mais próxima, enquanto pacientes de baixo risco poderiam ser poupadas de exames e intervenções desnecessárias. Para gestores de saúde pública, a ferramenta tem a vantagem de não onerar o sistema de saúde.
“Essa pesquisa pode ter como grande trunfo a democratização do acesso à previsão para pacientes com câncer de mama no contexto do SUS, algo que também poderia ser replicado em países de média e baixa renda” – Luciana Barros
Futuro da ferramenta
O estudo publicado tem caráter retrospectivo, isto é, foi construído a partir de dados de pacientes já tratadas no passado. Agora, a equipe planeja uma etapa de validação prospectiva, acompanhando novas pacientes do Icesp para confirmar as métricas de desempenho observadas. Está prevista ainda uma fase de validação externa, em parceria com outros hospitais públicos, além de uma primeira colaboração já em planejamento com outra instituição do SUS no estado de São Paulo, com o objetivo de eventualmente expandir o uso do software para outros centros do sistema público em todo o País. Por enquanto, o BreastOncoPredict está disponível em uma versão destinada exclusivamente à pesquisa e à educação, sem uso clínico aprovado, através do site https://breastoncopredict.com
O artigo Ensemble machine learning for predicting breast cancer recurrence and mortality using clinical and hemogram data foi publicado na revista npj Breast Cancer e está disponível on-line em versão de manuscrito.
Assinam o trabalho Patricia Honorato Moreira, Arthur Shuzo Owtake Cardoso, Rafael de Oliveira, Joaquim Gasparini dos Santos, Renata Colombo Bonadio, Wesley Antonio Lopes de Lima, Thomas de Almeida Reichmann, Bruna Salani Mota, Alexandre Ferreira Ramos, Flavia Santoro, Roger Chammas e Luciana Rodrigues Carvalho Barros. A pesquisa foi conduzida no Icesp, hospital vinculado à Faculdade de Medicina da USP, com financiamento do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp) e do Ministério da Saúde, por meio do Programa Nacional de Apoio à Atenção Oncológica (Pronon).
Matéria: Lucas Dantas Youssef | Jornal da USP.
