Nova abordagem de aprendizado de máquina revela as origens ocultas do câncer – Physics World

Avaliações radiológicas e patológicas são o padrão ouro para o diagnóstico de câncer. Mas, para uma pequena percentagem de casos de cancro, estas técnicas não conseguem localizar o local primário de um tumor metastático, que é então classificado como cancro de origem desconhecida (CUP).

Tais CUPs, que representam 3–5% de todos os cancros, colocam desafios únicos, tais como dificuldades na selecção de um plano de tratamento apropriado. A falta de conhecimento sobre o sítio primário dificulta a prescrição de medicamentos de precisão aprovados para tipos específicos de câncer. Esses tratamentos direcionados demonstraram ser mais eficazes e menos invasivos do que os tratamentos de amplo espectro. Mas os pacientes com CUP muitas vezes ficam sem essas terapias direcionadas.

Agora, uma colaboração de pesquisa da MIT e Instituto do Câncer Dana-Farber apresentou uma solução potencial para este problema de longa data. Os pesquisadores aproveitaram o poder do aprendizado de máquina para desenvolver um modelo computacional que pode prever o local de origem dos CUPs.

Em seu estudo, publicado em Nature Medicine, Alexandre Gusev e sua equipe usaram aprendizado de máquina para prever o tipo de câncer com base em dados genéticos. Ao treinar seu modelo de aprendizado de máquina com dados de quase 30,000 mil pacientes diagnosticados com 22 tipos de câncer conhecidos, os pesquisadores criaram uma ferramenta chamada OncoNPC. Esta ferramenta previu com sucesso as origens de cerca de 80% de 7289 amostras de tumores conhecidos, e essa precisão aumentou para quase 95% para tumores com previsões de alta confiança (cerca de 65% do total). Ao analisar a sequência genética de cerca de 400 genes, o OncoNPC pode prever com precisão a origem dos tumores e, como tal, poderá melhorar significativamente as opções de tratamento para pacientes com cancro.

Com base neste sucesso, os investigadores aplicaram o modelo a um conjunto de dados de 971 tumores de pacientes com CUP. O modelo previu com precisão a origem de pelo menos 40% destes tumores, representando uma melhoria significativa na precisão do tratamento para este grupo historicamente desafiador.

Além disso, os investigadores correlacionaram as previsões do modelo com mutações germinativas, alterações genéticas herdadas que podem indicar uma predisposição para certos tipos de cancro. As previsões do modelo estavam notavelmente alinhadas com o tipo de cancro sugerido pelas mutações da linha germinativa, validando ainda mais a sua precisão.

“Essa foi a descoberta mais importante do nosso artigo, que este modelo poderia ser potencialmente usado para auxiliar nas decisões de tratamento, orientando os médicos para tratamentos personalizados para pacientes com cancros de origem primária desconhecida”, explica o autor principal. Lua Intae, um estudante de pós-graduação do MIT.

As implicações práticas deste avanço são substanciais. A análise dos dados de sobrevivência demonstrou que os pacientes com CUP previstos pelo modelo como tendo cancro com um prognóstico desfavorável tiveram, de facto, tempos de sobrevivência mais curtos, enquanto aqueles com previsão de terem tipos de cancro com melhores prognósticos apresentaram tempos de sobrevivência mais longos. Além disso, o modelo identificou um grupo de pacientes que poderiam ter se beneficiado dos tratamentos direcionados existentes se o seu tipo de câncer fosse conhecido, potencialmente poupando-os de medicamentos quimioterápicos de amplo espectro.

Nova ferramenta de IA prevê sobrevivência do câncer colorretal a partir de imagens patológicas

Em seguida, os pesquisadores planejam aprimorar seu modelo integrando dados adicionais, como patologia e imagens radiológicas. Esta abordagem holística poderia oferecer insights abrangentes sobre os tumores, facilitando previsões não apenas sobre o tipo de câncer e os resultados dos pacientes, mas até mesmo orientando potencialmente decisões de tratamento ideais.

Com a convergência do aprendizado de máquina e da ciência médica, esta pesquisa avançada lança luz sobre o futuro do tratamento personalizado do câncer para pacientes cujos cânceres há muito intrigam a comunidade médica.

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://physicsworld.com/a/novel-machine-learning-approach-reveals-the-hidden-origins-of-cancers/