Uma equipa do St. Jude Children’s Research Hospital (EUA), em colaboração com o Hopp Children’s Cancer Center Heidelberg (Alemanha), o German Cancer Research Center (DKFZ) (Alemanha) e outros centros internacionais, desenvolveu um método de biópsia líquida com inteligência artificial para ajudar a classificar tumores do sistema nervoso central no cancro pediátrico.
A ferramenta chama-se Methylation-based Predictive Algorithm for CNS Tumors (M-PACT) e foi publicada na Nature Cancer.
O que é uma biópsia líquida e porque é útil
A biópsia líquida analisa fluidos do corpo que podem conter material tumoral, como ADN tumoral circulante (ctDNA). É uma forma menos invasiva de obter informação sobre a biologia do cancro, sem precisar de recolher tecido através de uma biópsia tradicional.
No cancro pediátrico, especialmente em tumores cerebrais, um dos grandes obstáculos tem sido a quantidade muito pequena de ctDNA disponível, o que tem limitado o uso alargado desta abordagem.
Como funciona o M-PACT
O M-PACT usa inteligência artificial para analisar ctDNA presente no líquido cefalorraquidiano e classificar tumores com base no seu padrão de metilação do ADN.
A metilação do ADN é uma modificação química que ajuda a regular a atividade dos genes. Em muitos cancros, estes padrões tornam-se anormais e podem funcionar como uma espécie de “impressão digital”, útil para identificar o tipo de tumor.
O que este método conseguiu demonstrar
Num teste de validação (“benchmark”), o M-PACT identificou corretamente 92% dos tumores cerebrais analisados. Além disso, segundo os autores, a ferramenta também consegue:
- distinguir recidiva de tumores secundários;
- acompanhar se o cancro está a tornar-se mais agressivo ou a responder ao tratamento;
- fazê-lo sem precisar de informação adicional além do que está na amostra.
O que torna esta abordagem diferente
Segundo os investigadores, muitos métodos de classificação por metilação foram desenhados para amostras de tecido (que têm mais ADN disponível) e depois adaptados para biópsias líquidas — o que nem sempre funciona bem.
Aqui, a equipa fez o contrário: desenhou o classificador a pensar no ctDNA, e só depois com aplicabilidade também a tecido.
Para treinar o modelo, foi usada uma estratégia de rede neuronal profunda com mais de 5 mil perfis de metilação do ADN, abrangendo cerca de 100 entidades tumorais.
O que pode mudar na prática
De acordo com os autores, este recurso pode elevar o padrão do diagnóstico e do acompanhamento em tumores cerebrais no cancro pediátrico, ajudando em:
- diagnóstico molecular;
- monitorização do tratamento;
- vigilância ao longo do tempo.
Os investigadores referem ainda que, no futuro, a abordagem poderá ter utilidade noutros tipos de cancro, para além de tumores cerebrais.
Fonte: Medical Xpress