Visão computacional avança na detecção e no tratamento do câncer

A visão computacional é um ramo da inteligência artificial que permite que os algoritmos compreendam e interpretem dados visuais de imagens e vídeos. Na pesquisa do câncer, ela é cada vez mais usada para analisar informações visuais complexas de lâminas de patologia, amostras microscópicas e exames médicos. Essas ferramentas podem simplificar fluxos de trabalho demorados, capacitando equipes com poucos recursos a atingir seus objetivos e, em última análise, melhorar o atendimento ao paciente.

Avanço na compreensão dos fatores determinantes do tumor

Após um diagnóstico de câncer baseado em biópsia, os patologistas geralmente realizam o sequenciamento de RNA para descobrir as alterações genômicas que alimentam o crescimento do tumor. Esse conhecimento é fundamental tanto para a pesquisa quanto para a adaptação de terapias personalizadas. No entanto, o alto custo e a lentidão dos métodos atuais impulsionam a busca por alternativas mais eficientes.

Para resolver isso, uma equipe de pesquisa desenvolveu uma ferramenta de IA que prevê a atividade genética dentro das células tumorais diretamente a partir de imagens de microscopia de biópsia padrão. Eles treinaram seu modelo em um vasto conjunto de dados de mais de 7.500 amostras abrangendo 16 tipos de câncer, complementado com imagens de células saudáveis para comparação.

A equipe projetou a ferramenta para clareza e uso prático. Ela gera um mapa visual da biópsia, destacando os padrões de atividade gênica previstos. Isso permite que os pesquisadores identifiquem variações espaciais dentro do tumor. Usando uma técnica comum de coloração de células, a IA identificou com sucesso os padrões de expressão de mais de 15.000 genes a partir das imagens coloridas.

Os resultados mostraram uma correlação de mais de 80% entre as previsões de atividade genética da IA e as medições reais. Em geral, a precisão do modelo melhorou quando treinado em conjuntos de dados maiores, específicos para um determinado tipo de câncer.

Outros experimentos demonstraram o potencial do algoritmo para avaliar as pontuações de risco genômico em pacientes com câncer de mama. Aquelas identificadas como de maior risco tiveram recorrências mais frequentes e mais precoces.

A IA continua possibilitando avanços médicos notáveis, como os sistemas que detectam a COVID-19 com até 99% de precisão. Embora essas ferramentas sejam poderosas, elas devem aumentar, e não substituir, a experiência profissional. Confiar apenas na IA pode comprometer os resultados dos pacientes.

Identificação de tratamentos ideais

Os pacientes com câncer geralmente sofrem estresse e efeitos colaterais significativos de tratamentos que podem não ser eficazes para sua condição específica. Embora efeitos colaterais como náusea sejam tolerados, a disposição do paciente em continuar diminui se os resultados iniciais não forem promissores.

A identificação mais rápida dos melhores tratamentos personalizados beneficia a todos. O planejamento de cuidados padrão envolve a análise de tomografias computadorizadas e ressonâncias magnéticas, em que cada pixel contém um único ponto de dados mostrado em escala de cinza. A IA oferece uma visão mais detalhada. Uma ferramenta avançada pode analisar até 30.000 recursos por pixel e avaliar amostras de tecido tão pequenas quanto 400 micrômetros quadrados - aproximadamente a largura de cinco fios de cabelo humano.

Usando amostras doadas, a ferramenta demonstrou seu valor. No câncer de bexiga, ela identificou um grupo de células especializadas responsável pela formação de estruturas linfóides terciárias, que estão associadas a melhores respostas à imunoterapia. Em amostras de câncer gástrico, ela distinguiu com precisão entre as células cancerosas e o tecido saudável da mucosa, ajudando os médicos a avaliar melhor a disseminação do câncer.

Os pesquisadores acreditam que essa tecnologia pode orientar os oncologistas em relação aos tratamentos mais eficazes para diferentes tipos de câncer. Ela também tem o potencial de acelerar a pesquisa ao extrair dados mais ricos de imagens de diagnóstico padrão.

Aceleração do desenvolvimento de medicamentos

A introdução de novos medicamentos contra o câncer no mercado é um processo que dura anos e depende muito de testes clínicos bem-sucedidos. Uma equipe de Londres criou recentemente um método de IA para avaliar a eficácia com que os medicamentos atingem seus alvos celulares. O foco nos candidatos mais promissores poderia melhorar os resultados e acelerar a aprovação regulatória.

A equipe usou a aprendizagem profunda geométrica para analisar as formas 3D de quase 100.000 imagens de células de melanoma. Diferentemente das análises 2D anteriores de células em lâminas, esse método estuda as células em um estado mais realista. Ele captura como os tratamentos alteram as formas das células e revela a variabilidade entre as populações de células.

A ferramenta alcançou mais de 99% de precisão na detecção dos efeitos de medicamentos específicos. Ela pode até mesmo identificar alterações de forma causadas por medicamentos que têm como alvo diferentes proteínas.

Ao revelar alterações bioquímicas, a IA pode destacar alvos promissores para novos medicamentos contra o câncer. Essa inovação poderia reduzir a fase de testes pré-clínicos de três anos para três meses e, potencialmente, encurtar os testes clínicos em até seis anos. Ela ajudaria a identificar os pacientes com maior probabilidade de se beneficiarem e a entender os efeitos colaterais mais rapidamente.

Simplificando os fluxos de trabalho de análise do câncer

Embora a IA tenha aprimorado muitos aspectos da pesquisa sobre o câncer, a maioria das ferramentas se concentra em tarefas únicas. Isso força os profissionais médicos a aprender vários sistemas. Para melhorar a usabilidade, algumas equipes estão desenvolvendo soluções abrangentes e multifuncionais.

Um grupo criou um modelo semelhante ao ChatGPT, versátil o suficiente para lidar com tarefas de avaliação em 19 tipos de câncer. Ele acelera os processos de detecção, avaliação de prognóstico e monitoramento da resposta ao tratamento. Os desenvolvedores afirmam que esse é o primeiro modelo a prever e validar com sucesso os resultados em diversos grupos de pacientes internacionais.

A IA analisa slides digitais de amostras de tumores, examina perfis moleculares e identifica células cancerígenas. Ela também avalia o tecido ao redor dos tumores, o que pode indicar a eficácia do tratamento. Nos testes, ela se mostrou mais precisa do que as ferramentas existentes. Notavelmente, foi o primeiro a vincular características específicas do tumor a melhores taxas de sobrevivência do paciente, o que pode abrir novos caminhos de pesquisa.

O modelo foi inicialmente treinado em 15 milhões de imagens não rotuladas, segmentadas por áreas de interesse. Em seguida, foi refinado com 60.000 imagens de lâminas inteiras dos 19 tipos de câncer, ensinando-o a realizar uma análise abrangente de imagens.

A ferramenta foi rigorosamente testada em 19.400 imagens de lâminas inteiras de 32 conjuntos de dados globais independentes, representando 24 coortes de pacientes e hospitais. Isso garante sua robustez em ambientes clínicos do mundo real.

Maximizando os insights da geração de imagens biomédicas

A microscopia biomédica é vital para a pesquisa do câncer, mas a análise dessas imagens pode levar dias. Uma equipe desenvolveu uma nova técnica de visão computacional para agilizar esse processo. Ela emprega o aprendizado de máquina para analisar amostras e descobrir características compartilhadas entre tumores cancerígenos.

Essa ferramenta alcança a eficiência examinando várias regiões de um tumor simultaneamente e sintetizando-as em uma análise coesa. Outros métodos dividem grandes imagens de tumores em pequenos fragmentos e os analisam separadamente. Considerando que essas imagens podem conter até um bilhão de pixels, a abordagem padrão é extremamente demorada.

Os desenvolvedores imaginam um futuro em que os médicos possam obter diagnósticos quase instantâneos a partir de imagens de tumores. Essas informações poderiam então ser transmitidas em tempo real aos cirurgiões durante as operações, permitindo decisões baseadas nos dados mais atuais.

Em comparação com as principais técnicas de linha de base, essa nova ferramenta teve um desempenho quase 4% melhor, alcançando uma precisão próxima a 88% em alguns testes. Os pesquisadores enfatizaram sua ampla aplicabilidade, pois ela pode ser usada com qualquer tipo de tumor e método de microscopia.

Impulsionando a pesquisa sobre o câncer com a visão computacional

A visão computacional com tecnologia de IA tem um potencial significativo para elevar o impacto da pesquisa sobre o câncer, aprimorando tanto a descoberta científica quanto os resultados para os pacientes. Os exemplos acima ilustram suas diversas aplicações. Os profissionais devem integrar essas tecnologias para complementar e ampliar seus conhecimentos adquiridos com muito esforço, e não como substitutos infalíveis do julgamento humano.