Especial: Inteligência Artificial no combate ao câncer

Pesquisador busca prever sobrevida de pacientes com carcinoma renal usando aprendizagem de máquina

O câncer renal é uma doença silenciosa que pode ser letal se diagnosticada tardiamente. De acordo com dados da American Cancer Society, entre 2011 e 2017, apenas 14% dos pacientes com metástase sobrevivem mais de cinco anos após o diagnóstico.

Estudo, desenvolvido pelo professor Patrick Terrematte, do Instituto Metrópole Digital (IMD/UFRN), busca investigar novos biomarcadores genéticos para classificar o prognóstico de risco de pacientes com câncer renal de células claras usando aprendizagem de máquina. O trabalho foi publicado na revista Cancers, periódico científico de acesso aberto da editora Multidisciplinary Digital Publishing Institute (MDPI).

A pesquisa mostrou que os algoritmos de seleção de característica utilizados permitiram escolher genes mais relevantes e com menor redundância para prever o prognóstico dos pacientes. Dessa forma, é possível antever a sobrevida de pacientes com câncer renal de células claras, classificando-os como baixo, moderado e alto risco.

Ao usar ferramentas computacionais com auxílio do supercomputador do Núcleo de Processamento de Alto Desempenho (NPAD), foi possível selecionar um conjunto de genes que possuem expressão alterada em pacientes de prognóstico desfavorável. Além disso, foi identificado que os genes da assinatura genética estão relacionados a processos de carcinoma e processos do sistema imunológico.

Fruto da tese de doutorado de Patrick, o artigo publicado pela Cancers contou com a orientação dos professores Adrião Duarte, do Departamento de Engenharia de Computação e Automação (DCA/UFRN), Beatriz Stransky, do Departamento de Engenharia Biomédica (DEB/UFRN), e Daniel Sabino, do IMD.

De acordo com ele, um dos motivos para a pesquisa é o alto número de casos desse tipo de câncer, sendo um dos 14 tipos mais frequentes no mundo.

No Brasil, 12 mil casos e mais de quatro mil mortes foram registradas só em 2020, segundo a Organização Mundial da Saúde (OMS).

O trabalho utilizou dados públicos de 621 pacientes de dois projetos internacionais, o The Cancer Genome Atlas (TCGA) ㅡ Atlas do Genoma do Câncer, em tradução livre ㅡ e o International Cancer Genome Consortium (ICGC) ㅡ traduzido para Consórcio do Genoma do Câncer. “Fizemos simulações de aprendizagem de máquina realizando múltiplas reamostragens de treinamentos e testes com pacientes, usando uma metodologia de validação cruzada e testes estatísticos para análises de sobrevida”, explicou Patrick.

Foram avaliados, ainda, diferentes modelos de sobrevida usando regressão de Cox, comparado a 14 assinaturas e seis métodos de seleção de características de Inteligência Artificial, além da realização de análises de bioinformática para buscar genes com enriquecimento funcional e de expressão diferencial. “A assinatura de genética permite avançar na compreensão dos mecanismos envolvidos no câncer renal”, disse. “Além disso, possibilita o desenvolvimento de painéis para diagnóstico. Assim como permite a identificação de potenciais alvos de tratamento de medicina personalizada para terapia genética”, completou.

O pesquisador recorreu ao NPAD para realizar os estudos in silico, que permitem identificar padrões e correlações baseadas na informação mútua dos genes e a variável de predição que é o risco de prognóstico dos pacientes. “O NPAD e a infraestrutura computacional do Centro Multiusuário de Bioinformática (BioME) foram essenciais para a pesquisa para a realização das análises de bioinformática e para aplicação dos algoritmos de inteligência artificial para seleção dos genes da assinatura genética”, reforçou.

De acordo com o pesquisador, a bioinformática permite direcionar estudos computacionais antecedentes, combinando ferramentas de inteligência computacional com dados públicos massivos de big data.

Essas especificidades foram fundamentais para que ele pudesse construir sua pesquisa usando informações genéticas e clínicas de pacientes. “Os estudos computacionais, chamados de in silico, possibilitam obter e validar resultados, mesmo antes de abordagens experimentais em bancada de linhagens celulares para estudos in vitro, ou ainda antes de realizar experimentos com animais de estudos in vivo”, explicou.

Líria Paz – NPAD/UFRN

Deixe um comentário

O seu endereço de e-mail não será publicado.