Uma equipe de pesquisa da Universidade McGill desenvolveu uma ferramenta de inteligência artificial capaz de detectar pequenos grupos de células que contribuem majoritariamente para a evolução de cânceres agressivos.
Batizada de SIDISH, essa ferramenta ajuda os cientistas a conceber tratamentos direcionados ao destacar as células tumorais mais estreitamente associadas a resultados desfavoráveis para o paciente. Ela permite evitar que todas as células cancerígenas sejam tratadas como se se comportassem da mesma maneira.
Durante um estudo pré-clínico publicado na
Nature Communications, o método SIDISH permitiu identificar células "de alto risco" em amostras tumorais coletadas de pacientes com câncer de pâncreas, mama ou pulmão e analisadas em laboratório.
Funcionamento da ferramenta
A principal novidade trazida pelo método SIDISH reside na sua capacidade de estabelecer uma ligação entre o que acontece dentro das células e os resultados para os pacientes, uma busca de longa data na pesquisa sobre o câncer.
"De um lado, os dados em escala celular são muito detalhados, mas geralmente provêm de um pequeno número de pacientes e raramente dão uma indicação da evolução real do estado de saúde. Do outro, os dados sobre os pacientes, muitas vezes analisados de forma global, contêm informações relacionadas à sobrevida, mas representam uma média dos sinais emitidos por milhões de células, o que impede a identificação das células, raras mas perigosas, que alimentam a doença", explica Yasmin Jolasun, doutoranda no Departamento de Medicina da Universidade McGill e autora principal do estudo.
Consegue-se dificilmente combinar eficazmente esses dois tipos de dados por meio das ferramentas computacionais atuais.
"Nossa ferramenta permite unir esses dois mundos. Com efeito, ela permite detectar as células mais estreitamente ligadas a uma progressão rápida da doença e obter indicações sobre a sobrevida dos pacientes", esclarece Yasmin Jolasun.
Ela acrescenta que, embora o método SIDISH tenha sido inicialmente testado no câncer, ele poderia ser empregado para outras doenças complexas nas quais as diferenças entre as células desempenham um papel importante.
SIDISH é o acrônimo de "Semi-supervised Iterative Deep Learning for Identifying Single-cell High-Risk Populations" (aprendizado profundo iterativo semissupervisionado para identificação de populações de alto risco em nível unicelular).
Predição de alvos terapêuticos antes dos ensaios em laboratório
Além de identificar o problema, a ferramenta SIDISH permite simular a reação das células de alto risco à ativação ou desativação de certos genes, o que possibilita determinar quais genes poderiam constituir alvos terapêuticos promissores.
"Como normalmente são necessários anos de pesquisa por tentativa e erro para encontrar os alvos certos, essa abordagem poderia acelerar o desenvolvimento de medicamentos", comemora Jun Ding, autor principal do estudo, professor adjunto no Departamento de Medicina da Universidade McGill e cientista júnior no Instituto de Pesquisa do Centro Universitário de Saúde McGill.
Por exemplo, o tumor de um paciente seria analisado por sequenciamento unicelular, em seguida a ferramenta SIDISH identificaria as células que alimentam o tumor, simularia sua reação a diferentes medicamentos e produziria uma lista restrita dos tratamentos com maior probabilidade de serem eficazes, explica o pesquisador.
"A curto prazo, o método SIDISH poderia nos permitir encontrar outras indicações para medicamentos existentes aprovados pela FDA, baseando-nos em conjuntos de dados públicos. A longo prazo, a ferramenta poderia mudar radicalmente o processo de descoberta de medicamentos", indica Jun Ding.
A ferramenta está em fase de desenvolvimento e ainda não é utilizada na prática clínica. A equipe de pesquisa tenta aplicar o método SIDISH a outras doenças e colabora com empresas parceiras para aperfeiçoá-lo.
Fonte: Universidade McGill