IA com microRNAs mostra potencial para prognóstico mais preciso do câncer de ovário

O câncer de ovário mata mais mulheres do que qualquer outra neoplasia ginecológica. Menos de quatro em dez pacientes sobrevivem cinco anos após o diagnóstico. A razão é simples e cruel: a maioria descobre a doença quando ela já avançou, quando as chances de cura desaparecem. Se fosse encontrado cedo, a sobrevida saltaria para mais de 90%, e muitas vezes a cirurgia seria o único tratamento necessário.

O problema começa com a falta de um método de rastreamento que funcione de verdade. O marcador CA-125 no sangue não é sensível o suficiente. A ultrassonografia transvaginal também não. Quando usados em larga escala, geram falsos positivos e cirurgias desnecessárias. Pior ainda: o câncer de ovário não avisa. Na fase inicial, não causa sintomas. Quando causa, são sinais genéricos — inchaço abdominal, saciedade rápida, desconforto pélvico, alterações intestinais — que qualquer pessoa confundiria com outra coisa.

Diante desse impasse, pesquisadores do Laboratório de Bioinformática e Biologia Computacional do Instituto Nacional de Câncer decidiram explorar uma via diferente. Eles investigaram se inteligência artificial baseada em microRNAs conseguiria prever qual paciente teria evolução mais agressiva. Os microRNAs são fragmentos minúsculos de RNA que não produzem proteínas, mas funcionam como reguladores finos da expressão gênica. Circulam no sangue de forma estável, mesmo diluídos, e seu padrão muda de maneira característica conforme um tumor se desenvolve. Essa propriedade desperta interesse: será possível, analisando o conjunto de microRNAs circulantes, identificar sinais moleculares de câncer antes mesmo de sintomas ou imagens aparecerem?

O estudo, publicado em The Lancet Regional Health – Americas, focou no câncer de ovário seroso de alto grau, o subtipo mais comum e mais agressivo. Os pesquisadores analisaram dados de centenas de pacientes, buscando os microRNAs que controlam quais genes ficam mais ou menos ativos nas células tumorais. Alterações nesses microRNAs podem influenciar o crescimento do tumor, sua capacidade de se espalhar e a resistência aos tratamentos. Usando técnicas de aprendizado de máquina, identificaram nove microRNAs associados a informações clínicas — idade, estágio da doença — que conseguiram distinguir de forma razoável as pacientes com maior e menor risco de morte precoce. Alguns desses microRNAs estavam ligados a processos cruciais para a agressividade: formação de novos vasos sanguíneos que alimentam o tumor, invasão de tecidos vizinhos, disseminação das células cancerosas e resistência à quimioterapia.

Mas o teste funciona na prática? Parcialmente. Quando o modelo foi testado em um grupo independente de 40 pacientes brasileiras tratadas no Inca, os resultados foram mistos. Ao usar uma pontuação contínua de risco em vez de apenas classificar como "alto" ou "baixo", a pontuação se associou de forma significativa à sobrevivência. Mas simplesmente dividir pacientes em grupos de "bom" ou "mau" prognóstico não funcionou bem. Em outras palavras: o modelo captura informações reais sobre a agressividade da doença quando analisado de forma contínua, mesmo levando em conta idade, estágio do tumor e níveis de CA-125. O que ainda precisa ser aprimorado é a divisão clara em grupos fechados.

Por enquanto, o modelo deve funcionar como ferramenta de apoio à decisão clínica, não como diagnóstico definitivo. Precisa ser confirmado em estudos maiores antes de entrar em uso rotineiro. Mas a perspectiva é clara: uma combinação de exames, incluindo microRNAs, pode oferecer informações mais detalhadas sobre o risco de cada paciente. Com isso, no futuro, será possível identificar quem precisa de acompanhamento mais intenso, personalizar tratamentos, prever melhor quem tem chance de recaída e avançar na medicina de precisão para câncer de ovário. A pesquisa ainda está no começo, mas aponta para um caminho onde o diagnóstico deixa de ser uma sentença genérica e passa a ser uma conversa entre médico e dados moleculares sobre o que aquela mulher específica enfrenta.