Na medicina, a inteligência artificial tem apresentando resultados promissores no desenvolvimento de ferramentas capazes de apoiar diagnósticos e prever a evolução de doenças. Quando se trata de oncologia, modelos computacionais treinados para interpretar exames médicos vêm demonstrando potencial para extrair informações que antes dependiam de testes laboratoriais complexos, o que reduz custos e amplia o acesso a recursos de medicina de precisão.

Uma pesquisa conduzida por cientistas da Mayo Clinic, em colaboração com outras instituições, demonstra que algoritmos de inteligência artificial podem analisar lâminas histopatológicas obtidas em exames de rotina para classificar meningiomas (o tumor cerebral primário mais comum em adultos) e estimar o risco de recorrência da doença. Os resultados foram publicados na revista científica “The Lancet Digital Health”.

A tecnologia foi desenvolvida para identificar padrões presentes nas amostras de tecido capazes de revelar características biológicas do tumor. Segundo os pesquisadores, essa abordagem poderá complementar a avaliação médica e fornecer informações prognósticas sem depender, em todos os casos, de exames moleculares avançados.

Redução da dependência de testes genéticos

Hoje, a caracterização mais detalhada dos meningiomas costuma utilizar o perfil de metilação do DNA, considerado um dos métodos mais precisos para identificar subtipos tumorais e estimar o comportamento da doença. Apesar da elevada precisão, esse exame exige infraestrutura especializada, apresenta custo elevado e ainda não faz parte da rotina de muitos hospitais.

A proposta apresentada pelos pesquisadores é utilizar imagens digitais de lâminas histopatológicas convencionais, produzidas durante o atendimento clínico, para obter informações semelhantes de forma mais rápida e acessível.

“Este é um dos muitos estudos em que podemos aproveitar o potencial da patologia digital ao incorporar aos algoritmos de IA o conhecimento genômico e molecular acumulado nas últimas duas décadas”, explicou em nota Gelareh Zadeh, M.D., Ph.D., chefe do Departamento de Neurocirurgia da Mayo Clinic em Rochester e diretora médica executiva da Plataforma Mayo Clinic.

Modelo foi treinado com dados de pacientes

Os pesquisadores desenvolveram os modelos utilizando amostras de tecido, imagens de patologia digital e informações clínicas de 672 pacientes diagnosticados com meningioma. Também foram empregados conjuntos de dados desidentificados. Durante os testes, os algoritmos conseguiram reconhecer padrões associados à biologia dos tumores, permitindo classificar diferentes subtipos da doença e estimar o risco de recorrência apenas com base nas lâminas histopatológicas utilizadas na prática clínica.

Os autores destacam que os meningiomas apresentam comportamento bastante variável. Enquanto alguns permanecem estáveis após o tratamento cirúrgico, outros podem voltar a crescer e exigir terapias complementares, como radioterapia. Antecipar esse risco pode contribuir para definir estratégias de acompanhamento mais adequadas.

Apoio às decisões clínicas

O estudo também demonstrou que as previsões produzidas pela inteligência artificial mantiveram relevância mesmo quando consideradas variáveis clínicas tradicionalmente utilizadas pelos especialistas, como o grau do tumor, a extensão da retirada cirúrgica e a idade do paciente.

Outro resultado observado foi a capacidade dos modelos de identificar padrões de heterogeneidade tumoral, isto é, diferenças biológicas existentes dentro do mesmo tumor. Essas características podem ajudar a explicar por que alguns pacientes apresentam evolução mais agressiva ou respostas distintas aos tratamentos disponíveis.

Apesar dos resultados promissores, os autores do estudo ressaltam que a tecnologia ainda precisa passar por estudos prospectivos e novas validações antes de ser incorporada à rotina hospitalar. O objetivo é confirmar o desempenho dos modelos em diferentes populações e cenários clínicos.

A equipe também enfatiza que ferramentas de inteligência artificial destinadas ao suporte à decisão médica devem operar sob rigorosos processos de validação científica, supervisão profissional e avaliação contínua para garantir segurança e confiabilidade durante o uso clínico.