Ferramentas de IA Aceleram Testes de Medicamentos Oncológicos e Recrutamento para Ensaios Clínicos

Cientistas da Universidade de Utah desenvolveram um novo dispositivo "lab-on-a-chip" que utiliza inteligência artificial para prever rapidamente a sensibilidade de células cancerígenas a terapias-alvo em crianças com leucemia linfoblástica aguda de células T (LLA-T), um câncer agressivo e de difícil tratamento. O dispositivo, chamado μPharma, fornece resultados em menos de quatro horas em vez de vários dias—oferecendo um caminho potencial para medicina de precisão no mesmo dia, quando cada minuto conta.

Os pesquisadores afirmam que a ferramenta, que ainda não é utilizada em ambientes clínicos, pode ajudar a reduzir tratamentos desnecessários e efeitos colaterais ao identificar rapidamente a quais terapias as células cancerígenas de um paciente são sensíveis. A plataforma identifica o perfil de resposta a medicamentos de um paciente sem expor diretamente as células cancerígenas aos fármacos. Utilizando microfluídica digital para mover pequenas gotículas através do chip e automatizar as etapas trabalhosas de manipulação de líquidos, ela reduz o número de células e reagentes necessários, minimiza erros humanos e acelera o processo.

Em um estudo publicado na Med, cientistas demonstraram que o μPharma previu com precisão respostas a duas terapias-alvo atualmente sendo investigadas para LLA-T—dasatinib e venetoclax—e revelou uma relação anteriormente não reconhecida entre resposta ao medicamento e um marcador molecular importante. A plataforma pode detectar diferenças na suscetibilidade a medicamentos no nível de células cancerígenas individuais. Isso é importante porque, se um determinado medicamento for eficaz para algumas, mas não todas as células cancerígenas de um paciente, as células cancerígenas sobreviventes podem se recuperar.

Um oncologista pediátrico do Huntsman Cancer Institute e professor associado de pediatria da Universidade de Utah afirmou que a inovação na seleção de tratamento é uma necessidade urgente nas neoplasias pediátricas. "A seleção personalizada de tratamento realizada em 'tempo real' fará parte do futuro da terapêutica oncológica, e o μPharma representa um passo encorajador nessa direção", disse o médico.

Um pesquisador e membro do Programa de Terapêutica Experimental do Huntsman Cancer Institute e professor assistente de farmacêutica molecular da Universidade de Utah disse que a equipe trabalhou arduamente para desenvolver essa tecnologia, e vê-la funcionar bem é um passo fundamental para trazê-la à clínica para ajudar pacientes. O projeto é uma colaboração entre pesquisadores da Universidade de Utah, St. Jude Children's Research Hospital e Universidade da Pensilvânia.

Um clínico colocaria uma pequena amostra das células cancerígenas de um paciente no dispositivo. Dentro dele, as células são mantidas entre duas placas espaçadas apenas um pouco mais que a espessura de um fio de cabelo humano. Correntes elétricas movem precisamente pequenas gotículas de produtos químicos de e para as células, automatizando completamente processos laboratoriais que geralmente consomem muito tempo e trabalho. Um professor assistente de engenharia biomédica da Universidade de Utah afirmou que o próximo passo é a validação dessa tecnologia usando células leucêmicas primárias em um ambiente clínico realista.

Enquanto isso, o sistema hospitalar City of Hope implantou o HopeLLM, uma plataforma de IA treinada internamente projetada para apoiar o cuidado oncológico e a pesquisa em sua rede nacional que abrange o sul da Califórnia, Phoenix, Chicago, Atlanta e dezenas de clínicas. O Vice-Presidente Executivo do Sistema e Diretor de Tecnologia e Digital descreve a organização como operando "como um sistema, não como uma entidade única", com qualquer tecnologia implantada funcionando em toda essa estrutura complexa.

O HopeLLM aborda um desafio familiar no cuidado oncológico: documentação avassaladora. Alguns pacientes podem ter milhares de páginas de anotações associadas ao seu cuidado ao longo de muitos anos. O HopeLLM é capaz de processar essas informações e resumi-las rapidamente para o médico. A economia de tempo é substancial, com médicos frequentemente passando horas revisando prontuários fora do horário de trabalho. Ao resumir históricos complexos, o sistema pode economizar de duas a três horas por paciente.

A plataforma analisa dados multimodais—incluindo prontuários clínicos, dados de reembolso, genômica, radiologia e patologia—para identificar ensaios adequados a um paciente. Ela também pode reverter o processo, escaneando populações de pacientes para identificar candidatos quando novos ensaios são abertos. "Quando um paciente vem para atendimento, queríamos poder informá-lo imediatamente para quais ensaios ele é elegível", explicou o executivo. Essa imediatez importa em oncologia, onde o tempo pode determinar se um paciente obtém acesso a uma terapia potencialmente salvadora de vidas.

O City of Hope avaliou ferramentas comerciais antes de construir a sua própria. Muitas tiveram dificuldades com dados oncológicos longitudinais e falharam em se integrar aos fluxos de trabalho clínicos reais. Projetar internamente permitiu que a equipe refletisse como seus oncologistas realmente pensam e praticam. Clínicos licenciados mantêm a autoridade de decisão final. "Nenhum algoritmo realmente tem autoridade moral", disse o executivo. "A IA pode auxiliar... mas não pode assumir a responsabilidade clínica."

Além de conectar pacientes individuais, o HopeLLM está transformando avaliações de viabilidade em toda a rede. O City of Hope avaliou mais de 200 ensaios usando a plataforma. Tarefas que antes levavam semanas agora podem ser concluídas em minutos, permitindo que as equipes identifiquem pacientes elegíveis em múltiplas localidades rapidamente. O executivo descreve isso como parte de um modelo nacional de ensaios clínicos: coordenação centralizada combinada com centros de pesquisa geograficamente distribuídos. A abordagem melhora o acesso aos ensaios enquanto permite que estudos sejam lançados em múltiplas regiões quase simultaneamente.

A LLA-T é um subtipo desafiador de leucemia linfoblástica aguda, o câncer infantil mais comum. Embora as taxas de remissão completa tenham melhorado, muitos sobreviventes experimentam efeitos de longo prazo da quimioterapia intensiva. Determinar rapidamente a resposta ao medicamento poderia ajudar clínicos a personalizar tratamentos mais cedo, reduzindo a exposição a terapias ineficazes e efeitos colaterais.