Pesquisadores do Mayo Clinic Cancer Center estão validando o uso de sequenciamento genômico e inteligência artificial para prever a resposta ao tratamento em pacientes com câncer gástrico.
“O câncer gástrico está entre as principais causas de morte relacionada ao câncer em todo o mundo”, disse Tae Hyun Hwang, PhD, presidente do câncer do Departamento de Saúde da Flórida no Mayo Clinic Cancer Center, em um comunicado à imprensa.
A maioria dos pacientes com câncer gástrico é tratada com quimioterapia e, às vezes, imunoterapia. No entanto, nem todos os pacientes se beneficiam dessas terapias.
“Procuramos usar o sequenciamento genômico para construir um modelo que preveja a probabilidade de um paciente obter benefícios da quimioterapia ou da imunoterapia”, disse Hwang.
A equipe de pesquisa criou e implementou um algoritmo de aprendizado de máquina que integrou dados genéticos de mais de 5.000 pacientes para desenvolver o modelo. A equipe então desenvolveu uma assinatura molecular composta por 32 genes que podem ajudar a orientar as decisões de atendimento ao paciente.
“Ficamos satisfeitos que nossa assinatura de 32 genes forneceu não apenas informações prognósticas, mas também previu o benefício do paciente com quimioterapia e imunoterapia”, disse Hwang. “Em particular, ficamos surpresos que a assinatura de 32 genes que identificamos foi capaz de prever a resposta de um paciente à imunoterapia porque identificar biomarcadores confiáveis para a resposta à imunoterapia em pacientes com câncer gástrico tem sido um desafio para o campo”.
De acordo com Hwang, a assinatura molecular de 32 genes ainda precisa de validação prospectiva. No entanto, Hwang disse que eventualmente identificaria pacientes que provavelmente responderiam à quimioterapia e imunoterapia e aqueles que não responderiam.
“Da mesma forma, também seríamos capazes de identificar pacientes que provavelmente não se beneficiariam da quimioterapia e da imunoterapia, poupando-os dos potenciais efeitos colaterais dessas terapias”, explicou Hwang.
Além disso, a equipe de pesquisa está trabalhando para criar novos ensaios com base no nível de expressão de um gene único ou mutante para tornar os biomarcadores mais acessíveis e fáceis de usar em ambientes clínicos.
“Estamos trabalhando em algoritmos de inteligência artificial que utilizam imagens de histopatologia de diagnóstico para identificar pacientes com maior probabilidade de obter benefícios da imunoterapia”, continuou Hwang. “Também estamos estudando os mecanismos moleculares de resistência à imunoterapia disponibilizados pelas abordagens de aprendizado de máquina e inteligência artificial que desenvolvemos em nosso laboratório”.