A IA mostra potencial como aliada na preven\u00e7\u00e3o, no diagn\u00f3stico e no tratamento do c\u00e2ncer. Estudos apresentados na Asco 2026, nos Estados Unidos, indicam que modelos de machine learning ajudam a identificar, de forma mais precoce, pacientes com risco elevado de met\u00e1stase cerebral em c\u00e2ncer de mama avan\u00e7ado.<\/p>\n
Pesquisadores observaram um grupo de pacientes e encontraram que cerca de 25% das pacientes de alto risco desenvolveram met\u00e1stases cerebrais em at\u00e9 dois anos ap\u00f3s o diagn\u00f3stico de c\u00e2ncer metast\u00e1tico. O CNSPredict estima o risco individual com base em dados cl\u00ednicos, tumor e gen\u00e9tica.<\/p>\n
O estudo teve origem em dados do Memorial Sloan Kettering e teve valida\u00e7\u00e3o por institui\u00e7\u00f5es independentes, mostrando que o algoritmo classifica mulheres com diferentes probabilidades de dissemina\u00e7\u00e3o, variando conforme o perfil de risco.<\/p>\n
Entre 5% e 25% de mulheres com c\u00e2ncer metast\u00e1tico variam de acordo com o risco. O c\u00e2ncer de mama triplo-negativo destacou-se como fator associado a met\u00e1stases cerebrais, devido \u00e0 agressividade da doen\u00e7a e \u00e0 aus\u00eancia de receptores hormonais e HER2.<\/p>\n
Funciona com g\u00eameos digitais, que criam representa\u00e7\u00f5es virtuais de pacientes integrando cl\u00ednica, imagem, gen\u00f4mica e hist\u00f3rico de tratamento. A pr\u00e1tica pode orientar decis\u00f5es diagn\u00f3sticas e monitoramento direcionado.<\/p>\n
Ainda h\u00e1 limita\u00e7\u00f5es: o estudo utilizou apenas pacientes com sequenciamento gen\u00f4mico espec\u00edfico, o que pode limitar a aplica\u00e7\u00e3o. Diretrizes atuais n\u00e3o recomendam rastreamento cerebral rotineiro em pacientes assintom\u00e1ticos.<\/p>\n
A pr\u00f3xima etapa envolve o Brainstorn, estudo cl\u00ednico randomizado que compara vigil\u00e2ncia intensificada por MRI com o acompanhamento convencional em alto risco pelo algoritmo. Resultados s\u00e3o aguardados para validar o uso cl\u00ednico.<\/p>\n
A IA tem potencial na an\u00e1lise de grandes bases de dados de sa\u00fade, acelerando indica\u00e7\u00f5es de rastreamento. Em uma pesquisa da Asco, prontu\u00e1rios eletr\u00f4nicos foram revisados para identificar pacientes eleg\u00edveis a rastreamento do c\u00e2ncer de pulm\u00e3o, ampliando encaminhamentos para tomografia de baixa dose.<\/p>\n
Especialistas destacam que essas ferramentas podem tornar a pr\u00e1tica mais personalizada e eficiente, ao checar ader\u00eancia \u00e0s diretrizes e resultados de tratamento, com apoio \u00e0 decis\u00e3o cl\u00ednica.<\/p>\n
Modelos de g\u00eameos digitais tamb\u00e9m foram usados para prever a evolu\u00e7\u00e3o de pacientes com c\u00e2ncer de pulm\u00e3o, simulando cen\u00e1rios de tratamento alternativos. Em patologia digital, algoritmos analisam l\u00e2minas para estimar risco de recorr\u00eancia e benef\u00edcio de tratamentos mais intensos, sem exames moleculares adicionais.<\/p>\n
Parcerias entre IA e f\u00e1rmacos continuam em expans\u00e3o, para identificar mol\u00e9culas, entender a biologia tumoral e modelar respostas terap\u00eauticas ainda na pesquisa inicial. A pr\u00e1tica cl\u00ednica deve, contudo, permanecer embasada em evid\u00eancias prospectivas.<\/p>\n
Miguel Zugman, m\u00e9dico do Einstein Hospital, ressalta que a IA pode indicar quem realmente precisa de exames, evitando sobrecarga. O objetivo n\u00e3o \u00e9 substituir diretrizes, mas aprimorar o rastreamento e o acompanhamento conforme o risco individual.<\/p>\n
Texto escrito por Moura Leite Netto, da Ag\u00eancia Einstein<\/p>\n","protected":false},"excerpt":{"rendered":"