IA com hemograma estima risco de recorrência do câncer de mama

Pesquisadores ligados à Universidade de São Paulo (USP) e ao Instituto do Câncer do Estado de São Paulo (Icesp) desenvolveram um modelo de inteligência artificial que combina dados clínicos e informações do hemograma para estimar o risco de recorrência do câncer de mama ou morte. A ferramenta usa exames presentes no atendimento de rotina, mas permanece restrita à pesquisa e à educação e não tem uso clínico aprovado.

O BreastOncoPredict surgiu de um estudo retrospectivo com 4.277 mulheres tratadas no Icesp entre 2008 e 2022. Os pesquisadores reuniram 16 variáveis, entre elas idade, estágio clínico do tumor e índices calculados a partir das células do sangue. Depois, compararam diferentes modelos de aprendizado de máquina e combinaram os melhores resultados em um sistema único.

O que o modelo encontrou

O estudo avaliou previsões para dois e dez anos. Na amostra geral, o modelo alcançou área sob a curva, ou AUC, de 0,859 no horizonte de dois anos e de 0,811 no de dez anos. Essa métrica indica a capacidade de separar pacientes com maior e menor risco dentro do conjunto analisado; ela não representa, sozinha, a porcentagem de diagnósticos corretos.

A sensibilidade variou de 68% a 61%, enquanto a especificidade ficou entre 84% e 82%, conforme o período observado. O sistema apresentou capacidade de discriminação, mas deixou de identificar parte das pacientes que tiveram o desfecho estudado. Por isso, os números não autorizam o uso isolado do modelo em decisões de tratamento.

Além do estágio do tumor e da idade, o trabalho encontrou relação entre o risco estimado e indicadores de inflamação, anemia e variação do tamanho das hemácias. O software mostra quais variáveis pesaram mais em cada cálculo, o que pode ajudar pesquisadores e médicos a examinar o resultado, sem eliminar a necessidade de validação clínica.

Por que usar dados do hemograma

Testes genômicos usados para apoiar o prognóstico do câncer de mama dependem de tecido tumoral e têm custo elevado, enquanto o hemograma faz parte da rotina de acompanhamento. Se estudos futuros confirmarem o desempenho do BreastOncoPredict em diferentes hospitais e grupos de pacientes, o modelo poderá apoiar a estimativa de recorrência com exames rotineiros e oferecer uma alternativa de menor custo para sistemas públicos de saúde.

O estudo, contudo, usou registros de um único centro e observou pacientes tratadas no passado. Diferenças entre hospitais, populações e protocolos podem alterar o desempenho quando o sistema encontra dados novos. A ferramenta, portanto, não substitui exames genéticos nem a avaliação da equipe médica.

O artigo publicado na revista npj Breast Cancer informa que os autores planejam acompanhar novas pacientes do Icesp e testar o modelo em outras instituições do SUS. Essas etapas deverão mostrar se as métricas se mantêm fora da base usada no desenvolvimento.

O que acompanhar agora

A validação prospectiva acompanhará pacientes a partir do início do estudo, enquanto a validação externa deverá incluir hospitais que não participaram da criação do software. Os testes precisam mostrar se o modelo preserva o equilíbrio entre sensibilidade e especificidade em situações diferentes.

Também será necessário definir como um resultado de risco entraria no fluxo clínico, quem poderia consultá-lo e quais salvaguardas evitariam decisões automáticas. No estágio atual, o BreastOncoPredict oferece evidência sobre o uso de dados rotineiros, não uma nova conduta médica pronta para adoção. O guia do Panorama sobre TRL, protótipo, piloto e produto ajuda a situar essa distância entre resultado de pesquisa e uso consolidado.