A inteligência artificial prevê a resposta à terapia do câncer com base em dados de cada célula tumoral

Com mais de 200 tipos de câncer e cada caso individualmente único, os esforços contínuos para desenvolver tratamentos oncológicos de precisão continuam desafiadores. O foco está no desenvolvimento de testes genéticos para identificar mutações nos genes causadores do câncer e na identificação de tratamentos apropriados contra essas mutações.

No entanto, muitos, se não a maioria, dos pacientes com câncer não se beneficiam significativamente dessas terapias precoces direcionadas. No novo estudo, publicado na Nature Cancer, o primeiro autor Sanju Sinha, Ph.D., professor assistente do Programa de Terapêutica Molecular no Câncer em Sanford Burnham Prebys, juntamente com os autores principais Eitan Ruppin, MD, PhD, e Alejandro Schaffer, PhD, do National Cancer Institute, parte dos National Institutes of Health (NIH), e colegas descrevem um sistema computacional único para prever sistematicamente o paciente resposta a medicamentos contra o câncer em nível unicelular.

Chamada de Planejamento de Tratamento Personalizado em Oncologia Baseado na Expressão de Transcrição Unicelular (PERCEPTION), a nova abordagem baseada em inteligência artificial se aprofunda no estudo da transcriptômica – o estudo dos fatores de transcrição, as moléculas de mRNA que são expressas pelos genes e traduzem Informações de DNA em ação.

"Um tumor é um organismo complexo e em constante mudança. Usar a resolução unicelular nos permite resolver esses dois problemas", diz Sinha. “PERCEPTION permite o uso de informações ricas de omexis unicelulares para compreender a arquitetura clonal do tumor e monitorar o surgimento de resistência.” (Em biologia, omexis refere-se à soma dos constituintes de uma célula.)

Sinha afirma: "A capacidade de monitorizar o aparecimento de resistência é a parte mais entusiasmante para mim. Isto tem o potencial de nos permitir adaptar-nos à evolução das células cancerígenas e até mesmo mudar a nossa estratégia de tratamento."

Sinha e colegas usaram a aprendizagem por transferência, um ramo da IA, para criar PERCEPÇÃO.

"Os dados limitados ao nível das células das clínicas foram o nosso principal desafio. Os modelos de IA precisam de grandes quantidades de dados para compreender as doenças, tal como o ChatGPT precisa de enormes quantidades de dados de texto da Internet", explica Sinha.

PERCEPTION usa dados publicados de expressão gênica em massa de tumores para pré-treinar seus modelos. Em seguida, dados de nível unicelular de linhagens celulares e pacientes, embora limitados, foram usados para ajustar os modelos.

O PERCEPTION foi validado com sucesso na previsão da resposta à monoterapia e à terapia combinada em três ensaios clínicos independentes publicados recentemente em mieloma múltiplo, câncer de mama e de pulmão. Em cada caso, o PERCEPTION estratificou corretamente os pacientes em respondedores e não respondedores. No cancro do pulmão, ele até documentou o desenvolvimento de resistência aos medicamentos à medida que a doença progride, o que é uma descoberta significativa com grande potencial.

Sinha diz que o PERCEPTION ainda não está pronto para uso na clínica, mas a abordagem mostra que as informações no nível unicelular podem ser usadas para orientar o tratamento. Ele espera incentivar a adoção desta tecnologia em clínicas para gerar mais dados que possam ser usados para desenvolver e melhorar ainda mais a tecnologia para uso clínico.

“A qualidade da previsão melhora com a qualidade e quantidade de dados em que se baseia”, diz Sinha. "Nosso objetivo é criar uma ferramenta clínica que possa prever de forma sistemática e baseada em dados a resposta ao tratamento em pacientes individuais com câncer. Esperamos que essas descobertas estimulem mais dados e estudos semelhantes em um futuro próximo."