A convergência entre transformação digital e inteligência artificial generativa vem revolucionando a oncologia de precisão, e um exemplo disso é o GigaTIME. Trata-se de um modelo multimodal capaz de traduzir lâminas de patologia H&E (amplamente disponíveis e de baixo custo) em imagens virtuais de imunofluorescência multiplex (mIF). Publicado na revista científica “Cell“, o estudo aponta um avanço relevante para destravar análises em escala populacional do microambiente imune tumoral (TIME), historicamente limitadas pelo alto custo e baixa escalabilidade da mIF.

Desenvolvido em parceria entre Microsoft, Providence e Universidade de Washington, o GigaTIME foi treinado com um conjunto robusto de 40 milhões de células pareadas em H&E e mIF (21 canais proteicos). Aplicado a 14.256 pacientes de 51 hospitais do sistema Providence, o modelo gerou uma população virtual com cerca de 300 mil imagens mIF, abrangendo 24 tipos e 306 subtipos de câncer. A análise identificou 1.234 associações estatisticamente significativas entre ativações proteicas e atributos clínicos, como biomarcadores, estadiamento e sobrevida, com validação externa independente em 10.200 pacientes do TCGA, que apresentou alta concordância.

Modelagem unicelular e open source

O estudo aponta um caminho ao prever estados unicelulares com resolução espacial, superando abordagens anteriores focadas em médias teciduais e ampliando a capacidade de estratificação de pacientes. Assinaturas combinadas dos 21 canais proteicos mostraram desempenho superior à análise de marcadores isolados (como CD3 e CD8), além de revelar interações espaciais e combinatórias antes fora de alcance por escassez de dados.

O GigaTIME representa um passo concreto rumo ao conceito de “paciente virtual”, à geração ampliada de evidências do mundo real em imuno-oncologia e pode acelerar descobertas com impacto direto nos desfechos clínicos. O modelo foi disponibilizado em open source no Microsoft Foundry Labs e no Hugging Face.