Os investigadores do Johns Hopkins Kimmel Cancer Center estão a desenvolver uma nova tecnologia de análise ao sangue conhecida como GEMINI (Genome-wide Mutational Incidence for Non-Invasive detection of cancer).
Ao combinar a sequenciação de todo o genoma de moléculas individuais de ADN eliminadas pelos tumores com a aprendizagem automática (ML), o teste pode permitir a deteção precoce do cancro do pulmão e de outros cancros.
O teste GEMINI analisa fragmentos de ADN livre de células (cfDNA) libertados por tumores, utilizando o ML para detetar diferenças nas frequências de mutações cancerígenas e não cancerígenas no genoma. As pontuações mais elevadas geradas pelo modelo sugerem uma maior probabilidade de ter cancro.
Em testes de laboratório, o GEMINI foi aplicado a imagens de tomografia computorizada e detectou mais de 90% de cancros do pulmão, mesmo em fases iniciais. O estudo Os resultados foram publicados na revista Nature Genetics.
Os investigadores concentraram-se principalmente na deteção do cancro do pulmão em populações de alto risco.
No entanto, foram também observados perfis mutacionais alterados no cfDNA de doentes com cancro do fígado, melanoma e linfoma, pelo que esta abordagem pode ser utilizada em diferentes tipos de cancro.
Como os investigadores criaram o GEMINI
Para desenvolver o GEMINI, a equipa estudou as sequências genómicas de 2511 indivíduos de 25 cancros diferentes.
Diferentes tipos de tumores apresentavam diferentes perfis de mutação. Os investigadores descobriram que as regiões genómicas com uma elevada frequência de mutação eram semelhantes entre o tecido tumoral e o cfDNA derivado do sangue em doentes com cancro do pulmão, melanoma ou linfoma não-Hodgkin de células B.
O teste GEMINI foi então aplicado ao cfDNA de 365 indivíduos com elevado risco de cancro do pulmão, produzindo pontuações mais elevadas em pessoas com cancro do que naquelas sem cancro.
Os investigadores examinaram também a integração do GEMINI com um teste anterior conhecido como DELFI (avaliação do ADN de fragmentos para interceção precoce),
No total, GEMINI e DELFI identificaram corretamente os cancros em 91% das vezes em 89 amostras.
De forma notável, o teste GEMINI detectou anomalias nos perfis de mutação do cfDNA anos antes dos diagnósticos padrão em sete doentes sem tumores detectáveis na altura da colheita de sangue.
Seis apresentaram resultados positivos com o teste GEMINI e foram posteriormente diagnosticados com cancro do pulmão, entre 231 e 1868 dias após a obtenção das amostras.
Repartição do estudo
- Colheita de sangue: É recolhida uma amostra de sangue de uma pessoa que pode estar em risco de desenvolver cancro. Esta amostra contém cfDNA, pequenos fragmentos de ADN que foram libertados pelas células do organismo, incluindo eventuais células tumorais.
- Extração e sequenciação de ADN: O cfDNA é extraído da amostra de sangue e depois sequenciado. Isto significa que os cientistas mapeiam a ordem dos "blocos de construção" que constituem o ADN. Isto ajuda-os a identificar quaisquer alterações ou mutações no ADN.
- Análise das alterações do ADN: Cada molécula de ADN é analisada individualmente para detetar alterações na sequência, o que permite aos investigadores traçar perfis de mutação em todo o genoma. Essencialmente, estão à procura de padrões nas mutações que possam sugerir a presença de cancro.
- Aprendizagem automática: Um modelo de aprendizagem automática, que foi treinado para reconhecer a diferença entre as frequências de mutações cancerígenas e não cancerígenas em diferentes áreas do genoma, é então utilizado para analisar os perfis de mutação. O modelo de aprendizagem automática atribui então uma pontuação que varia entre 0 e 1, em que uma pontuação mais elevada indica uma maior probabilidade de cancro.
- Validação e ensaios adicionais: Se a pontuação GEMINI for elevada, sugerindo a presença de cancro, são utilizados testes adicionais como a tomografia computorizada e o teste DELFI (que detecta alterações no tamanho e na distribuição dos fragmentos de cfDNA no genoma) para confirmar o diagnóstico e detetar o estádio do cancro. Esta combinação de testes revelou-se muito eficaz, detectando mais de 90% de cancros do pulmão no estudo.
Este é mais um estudo intrigante que revela a nova aplicação da aprendizagem automática ao diagnóstico médico, desta vez analisando os cancros a nível celular.
São necessários ensaios clínicos de maior dimensão para validar a ferramenta antes de esta poder ser disponibilizada para utilização clínica.
Esta semana, um Rastreio do cancro da mama apoiado por IA O fluxo de trabalho melhorou consideravelmente a velocidade e a eficiência da avaliação das mamografias para deteção de cancro.
