Uma das terapias mais recentes para o tratamento do câncer é a imunoterapia, onde o paciente recebe drogas que não combatem o tumor diretamente, mas fortalecem o seu sistema imune para que ele combata a doença. Via de regra, o paciente começa com a terapia tradicional, e dependendo da evolução do seu estado, pode mudar para a imunoterapia. Mas esta opção não é perfeita. Em primeiro lugar, apenas cerca de 20% dos pacientes se beneficia desta opção, e o prognóstico é dado pelo exame de alguns biomarcadores encontrados em biópsias. Em segundo, mesmo pacientes identificados como possivelmente sensíveis à terapia podem ser falsos positivos, o que faz com que percam tempo com o tratamento inadequado. E em terceiro, começam a ser identificados casos onde o paciente não só não responde à imunoterapia, como é prejudicado por ela, tendo seu sistema imune relativamente comprometido no processo.
Até então, não havia um método capaz de identificar os pacientes do terceiro grupo, chamados de hiper-progressores. Mas ano passado, pesquisadores da Universidade de Case Western Reserve, nos Estados Unidos, apresentaram um artigo descrevendo o uso de inteligência artificial para a identificação destes casos. O algoritmo, um classificador do tipo random forest, foi treinado para analisar resultados de exame de tomografia computadorizada, um exame rotineiramente realizado por pacientes com tumor para acompanhar o progresso da doença, e assim classificar os pacientes entre aqueles que responderão positivamente à imunoterapia, os que não mostrarão resposta, e os hiper-progressores. O estudo usou informações de 109 pacientes, e analisou 198 padrões de textura do tecido dentro e ao redor dos nódulos. Ao final do trabalho, o modelo atingiu métrica AUC de 0,96 no dataset de teste, um valor muito próximo do máximo de 1.
A nova técnica é muito bem-vinda já que ainda não se conhecem biomarcadores clínicos capazes de identificar os hiper-progressores. Além disso, ela entrega um prognóstico de maneira não-invasiva, usando exames que já fazem parte da rotina do paciente, não exigindo qualquer coleta de dados adicional. Além do seu valor clínico, o trabalho também revelou que algumas das variáveis importantes para a identificação destes pacientes estavam associadas ao tecido nas imediações do tumor, e não no próprio nódulo, mostrando que os exames que direcionam terapias devem também levar em consideração o ambiente onde a doença se desenvolve.
Os cientistas esperam que seu trabalho logo seja integrado ao ambiente clínico, permitindo que os médicos tenham acesso a todas as informações necessárias para decidir o melhor tratamento para cada paciente.