Modelo de IA relaciona resistência à insulina a 12 tipos de câncer em estudo com meio milhão de pessoas

Pesquisadores liderados pela University of Tokyo usaram um modelo de machine learning para mostrar que a resistência à insulina é um fator de risco para 12 tipos de câncer em um estudo com meio milhão de participantes do UK Biobank, oferecendo a primeira evidência em escala populacional dessa ligação, há muito suspeitada. Os achados foram publicados na Nature Communications em um artigo intitulado "Machine learning-predicted insulin resistance is a risk factor for 12 types of cancer."

A resistência à insulina — quando o corpo não responde adequadamente à insulina, um hormônio que ajuda a controlar os níveis de glicose no sangue — é uma das causas fundamentais do diabetes tipo 2 e está fortemente associada à obesidade. Além do diabetes, é amplamente conhecido que a resistência à insulina pode levar a doenças cardiovasculares, renais e hepáticas. Apesar de seu amplo impacto, a resistência à insulina é notoriamente difícil de medir diretamente em ambientes clínicos, limitando a capacidade dos pesquisadores de compreender todas as suas consequências.

Esse desafio levou Yuta Hiraike, pesquisador do University of Tokyo Hospital, e colegas da University of Tokyo a recorrer à inteligência artificial. A equipe desenvolveu recentemente uma ferramenta de machine learning chamada AI-IR, que prevê a resistência à insulina usando nove medidas clínicas padrão coletadas durante check-ups de saúde de rotina. "Criamos recentemente uma ferramenta, a AI-IR, para prever a resistência à insulina em indivíduos com base em nove diferentes informações médicas", disse Hiraike. "Ela se mostrou bem-sucedida e nos fez pensar que poderíamos aplicar essa ferramenta a preocupações relacionadas."

Uma dessas preocupações era o câncer. Embora cientistas há muito suspeitem de uma ligação entre resistência à insulina e certos cânceres, reunir evidências em grande escala tem sido difícil porque a medição direta exige testes especializados disponíveis apenas em clínicas avançadas de diabetes. Embora uma possível associação entre resistência à insulina e câncer já tenha sido sugerida, as evidências em larga escala têm sido limitadas devido à dificuldade de avaliar a resistência à insulina na clínica. Ao aplicar a AI-IR a 500.000 participantes do UK Biobank, a equipe conseguiu estimar a resistência à insulina em nível populacional e examinar sua relação com a incidência de câncer.

"Com a AI-IR, fornecemos a primeira evidência em escala populacional de que a resistência à insulina é um fator de risco para câncer", disse Hiraike. Como o modelo se baseia em dados clínicos de rotina, acrescentou ele, "a AI-IR poderia ser facilmente implementada para identificar indivíduos de alto risco e permitir rastreamento direcionado de diabetes, doença cardiovascular e câncer".

O estudo também destaca as limitações de usar o índice de massa corporal (BMI) como substituto da saúde metabólica. Atualmente, é comum que o BMI, uma medida de gordura corporal, seja usado para prever a resistência à insulina de um indivíduo e a suscetibilidade consequente a cânceres relacionados. Mas isso gera falsos positivos, em que algumas pessoas obesas são consideradas metabolicamente saudáveis e não sofrem os efeitos nocivos da obesidade no mesmo grau que outras, e falsos negativos, em que pessoas com BMI ideal acabam sofrendo de resistência à insulina ou de problemas relacionados, geralmente associados à obesidade. Ao combinar nove parâmetros clínicos em uma única métrica, a AI-IR consegue detectar resistência à insulina que o BMI, sozinho, não consegue explicar.

Parte do desafio enfrentado por Hiraike e sua equipe foi convencer os revisores do artigo de que a AI-IR poderia superar essas limitações de forma confiável e reprodutível. Felizmente, eles demonstraram não apenas seu poder preditivo, mas também que o modelo é robusto em diferentes condições. "Quando comparada à resistência à insulina medida diretamente em conjuntos de dados de validação, a AI-IR apresentou forte desempenho preditivo", disse Hiraike. "Medir diretamente a resistência à insulina é impraticável, exceto onde pacientes são tratados em clínicas especializadas em diabetes. A AI-IR oferece uma alternativa robusta e escalável para avaliar a resistência à insulina em escala populacional."

Agora, a equipe planeja explorar como diferenças genéticas influenciam o risco de câncer relacionado à resistência à insulina e integrar dados humanos em larga escala a estudos de biologia molecular. "Estamos trabalhando agora para entender como as diferenças genéticas entre indivíduos influenciam esse risco e, por fim, para conectar dados humanos em larga escala com estudos de biologia molecular a fim de desenvolver melhores estratégias para superar a resistência à insulina", disse Hiraike.