Inteligência artificial em oncologia: o futuro do diagnóstico e tratamento do câncer

A inteligência artificial em oncologia está transformando o cenário do diagnóstico e tratamento do câncer, oferecendo ferramentas novas e poderosas para melhorar os resultados dos pacientes. Da detecção precoce ao tratamento personalizado, a IA fornece soluções que estão acelerando o progresso na luta contra o câncer.

Diagnóstico mais preciso com IA

A inteligência artificial em oncologia possibilitou avanços no diagnóstico do câncer. De acordo com artigos compartilhados, o FDA aprovou mais de 521 dispositivos médicos usando IA e aprendizado de máquina, focados principalmente em radiologia. Esses dispositivos têm sido particularmente eficazes no diagnóstico de câncer de mama, pulmão e próstata, representando 31%, 8,5% e 8,5%, respectivamente, dos casos em que a IA tem maior impacto.

‍

Detecção precoce

Ferramenta de inteligência artificial desenvolvida para prever o risco de câncer de pulmão
Sybil é uma ferramenta de inteligência artificial desenvolvida por pesquisadores do MIT e do Mass General Cancer Center que usa tomografias computadorizadas de baixa dosagem (LDCT) para prever o risco de desenvolver câncer de pulmão até seis anos antes do aparecimento dos primeiros sintomas. Esse algoritmo foi validado analisando mais de 6.000 exames do National Lung Screening Trial (NLST), 8.821 pacientes do Hospital Geral de Massachusetts (MGH) e 12.280 do Hospital Memorial Chang Gung em Taiwan, alcançando até 94% de precisão na previsão do câncer de pulmão em alguns casos. O Sybil não exige dados clínicos ou anotações de radiologistas, permitindo sua implementação em tempo real em estações de radiologia para apoiar a tomada de decisões. Embora os resultados sejam promissores, os pesquisadores observam que mais estudos prospectivos são necessários para validar sua eficácia em populações mais diversas.

O futuro da IA em oncologia

A inteligência artificial em oncologia transforma o presente e, ao mesmo tempo, promete grandes avanços para o futuro em áreas como desenvolvimento de medicamentos, assistentes virtuais para pacientes e otimização de processos de saúde.

Desenvolvimento de novos medicamentos

A AlphaFold, uma tecnologia desenvolvida pelo Google DeepMind, revolucionou o campo da biologia estrutural ao prever com precisão a estrutura 3D de 350.000 proteínas com base apenas em sua sequência genética. Essa descoberta permitiu aos pesquisadores entender melhor como as proteínas se dobram, o que é essencial para o design de medicamentos, pois o dobramento afeta a forma como elas interagem. Graças a essa tecnologia, possíveis alvos terapêuticos podem ser identificados com mais rapidez e precisão, reduzindo significativamente os custos de experimentação no laboratório.

Além disso, ferramentas de IA como as desenvolvidas pelo INETmed estão transformando a descoberta pré-clínica de medicamentos ao criar modelos computacionais que simulam como uma doença evolui com base nas mudanças na expressão gênica. Esses modelos permitem previsões de como um medicamento pode interagir com um tumor, melhorando a precisão na fase pré-clínica e aumentando as chances de sucesso em ensaios clínicos.

‍

Assistentes virtuais para pacientes

Os assistentes virtuais também estão começando a desempenhar um papel fundamental no tratamento do câncer. Por exemplo, a Penn Medicine desenvolveu um chatbot chamado Penny que orienta os pacientes em seus complexos regimes de tratamento, ajudando-os a reduzir erros e melhorar a adesão ao tratamento em 70%.

Disponível em: https://www.healthcareitnews.com/news/penn-medicine-uses-ai-chatbot-penny-improve-cancer-care

Prevendo respostas ao tratamento

Em um estudo conduzido pela Massive Bio e apresentado na Sociedade Americana de Oncologia Clínica (ASCO), a viabilidade da tecnologia DLVTB, que consiste em um “quadro” de modelos que processam e estruturam informações de textos médicos, predizem protocolos de tratamento baseados em evidências e geram um relatório final usando aprendizado profundo, chamado de Conselho Virtual de Tumores de Aprendizagem Profunda (DLVTB), foi demonstrado. Essa tecnologia foi usada para melhorar o tratamento de pacientes com adenocarcinoma colorretal avançado, identificando o tratamento mais adequado para cada paciente. 63% dos pacientes se tornaram elegíveis para pelo menos um ensaio clínico, representando uma melhora significativa em relação à média nacional de 3% de elegibilidade para tais estudos.

O impacto da IA

Espera-se que o impacto da inteligência artificial na oncologia continue crescendo. Embora ainda existam desafios como o viés de dados, especialmente em populações negras, a IA tem o potencial de transformar o tratamento do câncer em todo o mundo.

Conclusão:
A inteligência artificial em oncologia está ajudando a detectar cânceres em estágios iniciais, melhorar a precisão do diagnóstico e personalizar os tratamentos para cada paciente. À medida que a IA continua evoluindo, seu papel na luta contra o câncer se tornará cada vez mais crucial, beneficiando milhões de pessoas em todo o mundo.

Fontes:

‍

Desai, A., Loaiza-Bonilla, A., Culcuoglu, C., Johnston, K. e Kurnaz, S. (2021). Resultados e aplicabilidade de um painel virtual de tumor de aprendizado profundo (DLVTB) em pacientes com câncer colorretal (CRC) residentes na comunidade. Jornal de Oncologia Clínica, 39(15_suppl), e18635. https://doi.org/10.1200/JCO.2021.39.15_suppl.e18635

‍

Kekatos, M. (2023). Como a inteligência artificial está sendo usada para detectar e tratar o câncer — e os riscos potenciais para os pacientes. Notícias da ABC. https://abcnews.go.com

Sava, J. (2023). Aplicações atuais da inteligência artificial em oncologia. Oncologia direcionada. https://www.targetedonc.com/view/current-applications-of-artificial-intelligence-in-oncology

Luchini, C., Pea, A. e Scarpa, A. (2022). Inteligência artificial em oncologia: aplicações atuais e perspectivas futuras. Jornal Britânico do Câncer, 126(1), 4-9. https://doi.org/10.1038/s41416-021-01633-1

‍

Vachon, C. M., Scott, C. G., Norman, A. D., Khanani, S. A., Jensen, M. R., Hruska, C. B., Brandt, K. R., Winham, S. J. e Kerlikowske, K. (2023). Impacto do sistema de inteligência artificial e da densidade volumétrica na previsão do risco de câncer de mama intervalado, detectado na tela e avançado. Jornal de Oncologia Clínica, 22(11), 153. https://doi.org/10.1200/JCO.22.01153

Centro abrangente de câncer Johns Hopkins Kimmel. (2022). Programa DeepTCR para prever respostas imunoterápicas. Medicina Johns Hopkins. https://www.hopkinsmedicine.org/kimmel_cancer_center/research/clinical_trials/

MIT e Mass General Cancer Center. (2023). Ferramenta Sybil AI para detecção de câncer de pulmão. Hospital Geral de Massachusetts. https://www.massgeneral.org/cancer-center

Penn Medicine. (2023). Penny: A assistente virtual para pacientes com câncer. Medicina da Pensilvânia. https://www.pennmedicine.org/

Marquedant, K. (2023). Ferramenta de inteligência artificial desenvolvida para prever o risco de câncer de pulmão. Hospital Geral de Massachusetts. https://www.massgeneral.org/news/press-release/artificial-intelligence-tool-developed-to-predict-risk-lung-cancer

‍

‍