O uso inteligência artificial ajudou uma equipe de pesquisadores a determinar a probabilidade de falha em tratamentos de câncer. No futuro, isso poderá levar a doses individualizadas de radiação.

Tomografia de três metástases (áreas mais claras) de um câncer de mama que se espalhou para o cérebro em paciente de 75 anos – quadro que pode ser prevenido com o uso da radiômica
Crédito: Wikimedia commons

Volto a tema que já foi abordado nas edições 350 e 355 em outros contextos clínicos. Dessa vez, comento estudo recente publicado na The Lancet. O trabalho, assinado por pesquisadores da Clínica Cleveland (EUA) e pesquisadores de empresa médica, é um dos pioneiros no uso da chamada deep neural network (ou rede neural profunda).

Essa técnica envolve novos algoritmos que tratam as redes neurais de maior complexidade (dotadas de mais de duas camadas) a partir de resultados obtidos com a radiômica. Como já dito em coluna anterior, esta última permite a extração de dados quantitativos das imagens, possibilitando a caracterização mais objetiva de tumores.

É bem sabido que há vários tipos de câncer, e que terapias bem sucedidas dependem de fatores genéticos de cada indivíduo. Por sua vez, imagens de tumores podem revelar grupos de pacientes com maior ou menor sensibilidade a certos tratamentos, o que pode orientar os médicos na escolha de procedimentos.

Dito assim, até soa simples. Mas esse cenário é recheado de dificuldades técnicas. Em primeiro lugar, como transformar imagens obtidas por tomografia computadorizada (CT, na sigla inglesa) em um conjunto de dados numéricos que representem suas características mais relevantes para o diagnóstico de câncer? A boa notícia é que isso foi resolvido pela radiômica.