IA da Unicamp mapeia músculo e gordura de pacientes com câncer em menos de 1 minuto e pode guiar tratamento

IA da Unicamp mapeia músculo e gordura de pacientes com câncer em menos de 1 minuto Pesquisadores da Unicamp desenvolveram um modelo de inteligência artifici...

IA da Unicamp mapeia músculo e gordura de pacientes com câncer em menos de 1 minuto Pesquisadores da Unicamp desenvolveram um modelo de inteligência artificial capaz de mapear em detalhes a composição corporal de pacientes com câncer, incluindo músculos e gordura, em menos de um minuto, a partir de exames de tomografia computadorizada. A tecnologia, que otimiza um processo que antes levava até uma hora para ser feito manualmente, pode contribuir para prognósticos mais precisos e direcionar tratamentos de forma personalizada. A expectativa é que o sistema apoie decisões médicas no futuro. Hoje, a perspectiva clínica sobre uma pessoa em tratamento se baseia, principalmente, nas características do tumor, como tamanho e metástases. A análise da composição corporal é uma forma de ampliar a leitura, considerando o organismo do paciente e sua resposta ao tratamento. 📲 Participe do canal do g1 Campinas no WhatsApp Como funciona a IA IA criada na Unicamp separa tecidos por cores e ajuda a medir composição corporal de pacientes com câncer CancerThera/Divulgação O sistema foi criado no Centro de Pesquisa, Inovação e Difusão (Cedip) CancerThera, localizado na Unicamp e apoiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp), por uma equipe multidisciplinar que une conhecimentos da física, oncologia e nutrição. Ele atua por meio de um processo chamado "segmentação de imagens", que analisa uma tomografia computadorizada da região da terceira vértebra lombar (L3), considerada padrão para essa análise, e consegue separar e colorir cada tipo de tecido de forma autônoma (veja a imagem acima). 💻 Entenda: quando um paciente faz a tomografia, a imagem final gerada pelo equipamento exibe ossos, vísceras, músculos e gordura, todos misturados em tons de cinza. O programa varre essa imagem e cria uma máscara digital que distingue esses tecidos. O grande diferencial da tecnologia, portanto, está em sua capacidade de identificar e definir, minuciosamente (e de forma muito rápida): o tecido muscular; a gordura subcutânea (logo abaixo da pele); a gordura visceral (entre os órgãos); a gordura intramuscular (entre as fibras dos músculos). A análise da composição corporal por tomografia não é algo inédito, mas é limitado. Esse processo ainda é feito manualmente por profissionais treinados, que precisam segmentar e entender cada tecido na imagem, o que torna o método mais lento, trabalhoso e sujeito a variações entre avaliadores. "Hoje, na prática clínica, a gente não consegue fazer essa avaliação pela tomografia, porque a gente não tem nenhum software e os que existem são caros. O que a gente faz para a avaliação da composição corporal é medir as circunferências de panturrilha, braço, dobras cutâneas". “E isso não dá para gente essa avaliação tão sensível desses compartimentos corporais como a gente tem através da análise da imagem", explica Maria Carolina dos Santos Mendes, nutricionista e pesquisadora de pós-doutorado, uma das integrantes do projeto. Dessa forma, segundo os pesquisadores, a separação detalhada de cada tipos de tecido adiposo é algo pouco explorado em outros modelos de IA disponíveis. O algoritmo foi treinado com a lógica do raciocínio de médicos e nutricionistas, com uma margem de erro estimada em menos de 5%. Resumindo: segundo o físico nuclear Jun Takahashi, a ferramenta combina dois modelos treinados com dados científicos obtidos na Faculdade de Ciências Médicas e no Instituto de Física Gleb Wataghin (IFGW) e faz, de forma mais rápida, automática e padronizada, o que antes era feito por humanos, facilitando o uso na prática clínica e na pesquisa; LEIA TAMBÉM: Teranóstica: abordagem que rastreia e ataca câncer com radiação direto na célula é testada no Brasil Por que é importante Um estudo conduzido pelo mesmo grupo de pesquisadores da Unicamp, indica que a análise automatizada, com inteligência artificial, da composição corporal de pacientes com câncer de estômago é capaz de prever os riscos de mortalidade de forma mais precisa. 📝 O artigo "Melhorando a previsão de prognóstico do câncer gástrico ressecável: Uma análise de aprendizado de máquina combinando características clínicas e radiômica da composição corporal" foi publicado na revista científica Informatics in Medicine Unlocked. Entre as etapas da assistência oncológica está o estadiamento, que serve para classificar o quanto um câncer está avançando pelo corpo. Em outras palavras, ele avalia, principalmente, onde está o tumor, qual o tamanho dele e se há metástase. A oncologia usa, tradicionalmente, o sistema TNM (do inglês Tumor, Linfonodo e Metástase) para fazer esse estadiamento e classificar a gravidade. Porém, por focar apenas no tumor, ele não explica por que pacientes no mesmo estágio da doença frequentemente apresentam evoluções muito diferentes. Essa pesquisa revelou, ao cruzar dados clínicos com a análise corporal feita pela IA, que pacientes de câncer gástrico em Estágio II (teoricamente menos grave), mas classificados como de "alto risco" pela ferramenta, tiveram uma expectativa de vida semelhante à de pacientes no Estágio III. Resumindo, esse estudo mostra que: a composição corporal (especialmente músculo e gordura) influencia fortemente a sobrevivência; pacientes considerados "menos graves", mas com corpo classificado como de alto risco pela IA, tinham a mesma expectativa de vida que pacientes "mais graves"; certas alterações na gordura e no músculo indicam problemas como inflamação e caquexia (perda extrema de massa muscular), que pioram o prognóstico. E por que o uso da IA na análise faz diferença? reforça que o câncer não depende só do tumor, mas do estado geral do corpo; permite prever melhor quem está mais vulnerável; pode ajudar médicos a monitorar pacientes com mais precisão e agir antes de complicações; pode ajudar a poupar pacientes de tratamentos agressivos e ineficazes; tem forte impacto na nutrição clínica, permitindo que a equipe crie um suporte alimentar focado na necessidade exata do paciente, combatendo a perda de massa magra. O estudo, conduzido por pesquisadores do Instituto de Física (IFGW) e da Faculdade de Ciências Médicas (FCM), analisou dados de 276 pacientes e concluiu que a IA pode identificar riscos que o método padrão não vê, abrindo caminho para uma medicina mais personalizada. "A gente pega essas informações que tem através dessas análises e une a outras informações clínicas e da doença do paciente. A gente une isso com exames de sangue, com informações do TNM e outras informações, e tiramos ali características importantes", explica José Barreto Campello Carvalheira, oncologista e pesquisador principal no CancerThera. Ferramenta ainda está em pesquisa O programa de computador já foi registrado pela Agência de Inovação da Unicamp e está em uso em pesquisas. Ainda não está disponível para a população e, para que chegue ao mercado e seja utilizado em hospitais e clínicas, depende do licenciamento por parte de empresas do setor de saúde. Além disso, a ferramenta ainda precisa ser validada em novos estudos. Atualmente, o programa serve para classificar o nível de risco dos pacientes, funcionando como um alerta para a equipe de saúde. Ele não determina, por enquanto, mudanças diretas no tratamento, mas ajuda a identificar os pacientes mais frágeis que precisam de monitoramento rigoroso e suporte nutricional imediato. VÍDEOS: Tudo sobre Campinas e Região Veja mais notícias sobre a região na página do g1 Campinas.