Nova IA para câncer de mama pode evitar quimioterapia desnecessária em milhares de mulheres.

Na abordagem do câncer de mama, tempo costuma ser determinante: às vezes, uma semana; em outras, cada dia. Depois da cirurgia, decidir se ainda é preciso quimioterapia segue sendo uma das escolhas mais difíceis para médicas e médicos. Um novo modelo de IA desenvolvido em Israel promete reduzir bastante essa incerteza - e poupar muitas pacientes de tratamentos desgastantes.

Por que a decisão “quimio sim ou não?” é tão delicada

O câncer de mama é o tipo de câncer mais comum entre mulheres no mundo. Uma das apresentações mais frequentes é a forma hormônio-dependente e HER2-negativa. Essa variante responde por cerca de 70% dos aproximadamente 2,3 milhões de casos anuais. Justamente nesse grupo numeroso, estimar o risco com precisão é particularmente desafiador.

Após a operação, a equipe de oncologia precisa definir: basta a terapia anti-hormonal ou a paciente também deve receber quimioterapia para reduzir ao máximo a chance de recidiva? Hoje, essa escolha costuma se apoiar em fatores como:

• tamanho do tumor e grau de agressividade (grau)
• comprometimento de linfonodos
• status dos receptores hormonais
• status de HER2
• quando indicado, testes genômicos como o Oncotype DX

Testes como o Oncotype DX geram um Recurrence Score (pontuação de recorrência), isto é, uma estimativa de probabilidade de retorno da doença. Isso ajuda a avaliar se a quimioterapia oferece um ganho adicional relevante. O problema é que esses métodos enfrentam várias barreiras: custam por volta de US$ 3.500 por análise, exigem laboratórios especializados, levam dias e, em muitos países, só estão disponíveis de forma limitada.

"Perfis genéticos caros para poucos - ou uma análise de imagem que, em princípio, qualquer patologia com um scanner consegue fazer em minutos: é exatamente aqui que a nova IA entra."

Na prática, muitas mulheres nunca fazem esse tipo de teste. Algumas acabam recebendo tratamento “por precaução” e são supertratadas; outras podem deixar de receber uma quimioterapia que, de fato, reduziria o risco de recidiva.

Como a IA de câncer de mama lê prognóstico em imagens de tecido

O grupo do Technion - Israel Institute of Technology vem criando um modelo de deep learning (aprendizado profundo). Ele se baseia em lâminas anatomopatológicas comuns, as mesmas já produzidas para o diagnóstico. Essas lâminas são coradas por hematoxilina-eosina, digitalizadas no laboratório e, então, enviadas ao algoritmo.

A IA analisa a paisagem completa do tecido: não apenas as células tumorais, mas também o estroma ao redor, células imunes, vasos sanguíneos e padrões estruturais. Nesses detalhes podem existir sinais biológicos complexos que o olhar humano só consegue perceber - ou ponderar - até certo ponto.

A partir disso, o sistema calcula um score numérico de 0 a 100. Essa pontuação representa dois aspectos:

• o risco de o câncer de mama voltar após alguns anos
• o benefício concreto da quimioterapia para aquela paciente específica

Com isso, o modelo não fica só na “categoria de risco”. A proposta é antecipar em quais situações a quimio melhora tanto o desfecho que compensa efeitos colaterais, tempo de tratamento e custos - e em quais situações isso não ocorre.

"Em vez de examinar o projeto (genes), a IA olha diretamente para o 'produto' pronto: o tecido tumoral. A partir da assinatura visual, ela deriva recomendações terapêuticas."

Validação com dados do estudo TAILORx (IA do Technion)

Para treinar e testar a tecnologia, as pesquisadoras e os pesquisadores utilizaram dados do grande estudo randomizado TAILORx, que acompanhou mais de 10.000 mulheres com câncer de mama hormônio-dependente e HER2-negativo. Na avaliação específica da IA, restaram 8.284 casos com imagens histológicas e resultados de Oncotype DX disponíveis.

O resultado: os escores gerados pela IA ficaram próximos aos do teste genômico consagrado. O sistema identificou de forma confiável a maioria dos tumores com alto risco genômico. De acordo com as autoras e os autores do trabalho publicado na The Lancet Oncology, os dados do TAILORx permitem estimar não apenas o risco de recidiva, mas também o ganho real adicional com quimioterapia - um ponto que faz diferença na tomada de decisão.

Menos quimioterapias desnecessárias, mais terapia sob medida

A partir da análise feita até agora, o grupo de pesquisa espera mudanças relevantes em como as decisões terapêuticas são distribuídas. Duas populações, em especial, chamam atenção:

• Mulheres após a menopausa: muitas poderiam ser reclassificadas para uma faixa de risco mais baixa. Nesses casos, seria possível evitar quimioterapia com frequência, sem piorar o prognóstico.
• Pacientes mais jovens: aqui, parte do risco parece ser subestimada em alguns cenários. Algumas mulheres seriam consideradas como necessitando mais tratamento e passariam a receber quimioterapia que antes não era indicada.

Esse refinamento é o objetivo central. Não se trata de “quimio para todas” nem de “quase nenhuma quimio”, e sim de uma escolha individual, sustentada por dados.

"A IA deve garantir que cada paciente receba a intensidade de tratamento que combina com seu perfil biológico tumoral - nem mais, nem menos."

Em validações multicêntricas, o desempenho se manteve parecido em hospitais de Israel, dos EUA e da Austrália. Entre as instituições que testaram a abordagem estavam Carmel, Emek e Sheba. Os resultados sugeriram estabilidade mesmo com variações de equipamento, rotinas de laboratório e perfis de pacientes.

Mais barato, mais rápido e com uso global?

Um dos maiores ganhos desse caminho é o acesso. Para rodar a avaliação por IA, não são necessárias novas biópsias, nem envio de material para fora, nem longas discussões de reembolso com operadoras. Em geral, basta:

• a lâmina histológica já existente
• um scanner de patologia digital
• conexão com a internet para acessar o sistema de análise

A digitalização de lâminas já vem crescendo em muitos serviços de patologia. E o custo de uma simples numeração/registro da lâmina fica abaixo de US$ 1 - frente a vários milhares de dólares para um único teste genômico. A análise automatizada leva apenas alguns minutos.

Isso pode ser especialmente transformador em países de renda média ou baixa, onde muitas vezes faltam infraestrutura e orçamento para laboratórios genômicos especializados. Com um scanner digital e acesso a IA, um planejamento terapêutico mais personalizado passa a ser viável.

“Caixa-preta” e questões em aberto

Como ocorre com muitos modelos de aprendizado profundo, o raciocínio interno não é fácil de interpretar. Os próprios desenvolvedores descrevem o sistema como uma “caixa-preta”. Em oncologia, isso costuma gerar cautela: quando não fica claro quais características da imagem pesam mais, confiar plenamente no algoritmo se torna mais difícil.

Por isso, antes de o método entrar amplamente em diretrizes clínicas, novos estudos prospectivos estão em andamento - inclusive no Brasil e na Índia. A intenção é verificar se os efeitos terapêuticos previstos se confirmam no dia a dia, com decisões reais, efeitos adversos reais e acompanhamento de longo prazo.

O que pacientes devem saber sobre modelos de IA como esse

A palavra “IA” pode parecer algo quase mágico, mas na prática ela se apoia em estatística aplicada. O sistema aprende, a partir de milhares de exemplos, quais padrões visuais costumam estar associados a determinados desfechos. Para quem está em tratamento, alguns pontos são fundamentais:

• A IA não substitui a médica ou o médico. Ela funciona como mais uma peça na decisão, similar a um exame de laboratório ou a um laudo de imagem.
• Erros podem acontecer. Nenhum modelo acerta 100% das previsões; a meta é melhorar bastante a qualidade média das decisões.
• Transparência importa. A paciente deve compreender que se trata de uma ferramenta estatística - e não de uma garantia a favor ou contra recidiva.

Em especial para mulheres jovens com desejo de engravidar ou com família constituída, esse tipo de ferramenta pode aliviar dilemas. Decidir se vale enfrentar meses de quimioterapia, queda de cabelo e possíveis efeitos tardios tende a ser menos angustiante quando a base de dados parece mais clara do que apenas uma impressão subjetiva.

Riscos, limites e perspectivas

Sempre existe incerteza residual: mesmo um score baixo de IA não elimina a possibilidade de recidiva. Quem opta por não fazer quimioterapia seguindo essa recomendação precisa conviver com essa margem de risco. No sentido oposto, a IA pode indicar quimio e, no fim, o benefício ser pequeno - enquanto os efeitos colaterais continuam sendo concretos.

A infraestrutura também pesa. Nem todo hospital dispõe de scanners de alta qualidade, redes estáveis ou políticas maduras de proteção de dados para transmitir imagens sensíveis. Isso cria demandas novas para sistemas de saúde e para políticas públicas.

Apesar dessas pendências, a proposta ilustra como a oncologia vem se movendo para uma medicina personalizada e orientada por dados. Em vez de recomendações generalistas, entram em cena avaliações mais finas de risco e benefício. Para muitas pacientes com câncer de mama, isso pode significar, na prática: menos quimioterapia, menos medo de excesso ou falta de tratamento - e decisões terapêuticas mais fáceis de justificar do que nunca.