O câncer de ovário é a neoplasia ginecológica mais letal e a sobrevida global é inferior a 40% em cinco anos. Isto ocorre principalmente porque a maioria das pacientes só descobre a doença em sua forma avançada, quando a chance de cura é pequena.
Se o câncer de ovário for diagnosticado de forma precoce, a sobrevida em cinco anos é superior a 90% e a cirurgia é, geralmente, o único tratamento necessário.
A inexistência de um método de rastreamento populacional eficaz contribui para esses dados epidemiológicos. Nem o marcador CA-125 no exame de sangue isolado, nem a ultrassonografia transvaginal isolada têm sensibilidade e especificidade suficientes para rastreio do câncer de ovário. Isso gera resultados falso-positivos e cirurgias desnecessárias quando usados em larga escala.
Um outro agravante é que o câncer de ovário não costuma causar sintomas na fase inicial. Quando causa, são sintomas inespecíficos como distensão abdominal, sensação de saciedade precoce, desconforto pélvico, alteração do hábito intestinal, urgência urinária, que podem ser confundidos com outras doenças.
Os microRNAs
Diante desse problema, nossa equipe do Laboratório de Bioinformática e Biologia Computacional do Instituto Nacional de Câncer (INCA) buscou avaliar se um modelo de Inteligência Artificial (IA) baseado em microRNAs (miRNAs) conseguiria estimar o risco de evolução do câncer de ovário mais agressivo.
Nos últimos anos, os miRNAs ganharam protagonismo na pesquisa científica. Eles fazem parte de uma classe de moléculas relativamente pouco explorada pela biologia molecular focada em estudo do câncer.
Os miRNAs são pequenos fragmentos de RNA que não geram proteínas, mas atuam como reguladores finos da expressão gênica. Eles circulam no sangue de forma estável, mesmo diluídos, e seu padrão de expressão muda de maneira característica conforme um tumor se desenvolve.
É justamente essa característica que desperta o interesse dos pesquisadores. Então, será que, ao analisar o conjunto de miRNAs circulantes, é possível, em teoria, identificar sinais moleculares de um câncer antes mesmo que ele produza sintomas ou apareça em um exame de imagem?
No caso do câncer de ovário, cuja detecção tardia é hoje um dos maiores desafios da oncologia, justamente pela ausência de um método de rastreamento eficaz, essa possibilidade nos pareceu particularmente promissora.
Estudos têm buscado identificar assinaturas específicas de miRNAs no sangue de pacientes que poderiam funcionar como uma espécie de biópsia líquida. A biopsia líquida é um exame minimamente invasivo, capaz de sinalizar a presença da doença em estágios iniciais, quando as chances de cura ainda são altas.
Nosso estudo, que acaba de ser publicado no periódico The Lancet Regional Health – Americas, mostra potencial para estimar o prognóstico dessas pacientes, com perspectivas para personalizar tratamentos no futuro.
É importante esclarecer que, neste trabalho, os miRNAs foram identificados e medidos diretamente no tecido tumoral — tanto na etapa de descoberta, a partir de dados de sequenciamento de tumores, quanto na validação, por RT-qPCR em amostras de tumor de pacientes do INCA.
Verificamos, adicionalmente, que vários desses miRNAs também são detectáveis no sangue e em vesículas extracelulares. Esse achado abre a possibilidade de, no futuro, a assinatura ser adaptada para uma biópsia líquida — uma aplicação que ainda precisa ser desenvolvida e validada.
O foco do nosso trabalho foi o câncer de ovário seroso de alto grau (HGSOC). Este é o subtipo mais comum e mais agressivo do câncer de ovário. Muitas mulheres são diagnosticadas apenas em estágios avançados da doença, o que dificulta o tratamento e reduz as chances de sobrevivência.
Perguntas instigantes
Nossa pesquisa partiu da busca por responder uma pergunta importante. É possível, a partir de marcadores moleculares do tumor, distinguir quais pacientes com o tipo mais agressivo de câncer de ovário terão melhor evolução e quais terão pior prognóstico? E, com esse resultado em mãos, como tratar cada grupo de forma diferenciada?
A partir dessa questão, investigamos dados de centenas de pacientes com câncer de ovário e procuramos os miRNAs que ajudam a controlar quais genes ficam mais ou menos ativos nas células.
Alterações nesses miRNAs podem influenciar o crescimento do tumor, sua capacidade de se espalhar e a resistência aos tratamentos.
Então, a ideia foi utilizar técnicas de Inteligência Artificial e aprendizado de máquina para selecionarmos os miRNAs mais importantes e, com isso, prever o prognóstico dos pacientes. Depois, combinamos essas informações com dados clínicos, como idade e estágio da doença.
O que encontramos?
O resultado foi um modelo baseado em nove miRNAs associados a informações clínicas, que conseguiu distinguir de forma bem razoável as pacientes com maior e menor risco de morte precoce.
Com os resultados, alcançamos uma precisão considerada promissora para esse tipo de pesquisa.
Nas análises, nossa equipe observou que alguns dos miRNAs identificados estão ligados a processos importantes para a agressividade do câncer. São eles, formação de novos vasos sanguíneos que alimentam o tumor; invasão de tecidos vizinhos; disseminação das células cancerosas; e resistência à quimioterapia.
O teste funciona na prática?
Parcialmente. Quando o modelo foi testado em um grupo independente de pacientes brasileiras tratadas no INCA, os resultados foram mistos.
Ao usarmos uma pontuação contínua de risco (em vez de apenas “alto” ou “baixo” risco), a pontuação foi associada de forma significativa à sobrevivência das pacientes.
Mas simplesmente para classificar pacientes em “bom” ou “mau” prognóstico, o desempenho foi baixo.
Em outras palavras, esse é um resultado promissor: quando analisamos a pontuação de risco de forma contínua, com a regressão de Cox, que é um método estatístico usado na análise de sobrevivência para medir o efeito de variáveis explicativas no tempo até a ocorrência de um evento, ela se mostrou um indicador independente e significativo da sobrevida. Mesmo depois de levarmos em conta idade, estágio do tumor e níveis de CA-125.
Além disso, usamos também as curvas de sobrevivência (Kaplan–Meier), que é uma das melhores opções para medir a fração de indivíduos que sobrevivem por um determinado período após o tratamento.
Os resultados indicaram que o modelo captura informações reais e relevantes sobre a agressividade da doença.
O que ainda precisa ser aprimorado é a divisão das pacientes em grupos fechados de “bom” ou “mau” prognóstico. Por isso, e porque o teste foi avaliado até agora em um número pequeno de pacientes, o modelo deve seguir, por ora, como uma ferramenta de apoio à decisão, a ser confirmada em estudos maiores antes de um uso clínico de rotina.
Perspectivas
O estudo sugere que uma combinação de exames, incluindo também os miRNAs, pode oferecer informações mais detalhadas sobre o risco de cada paciente. E com isso, ajudar futuramente a identificar pacientes que precisarão de acompanhamento mais intenso; personalizar tratamentos; prever melhor quem tem maior chance de recaída; e avançar na medicina de precisão para câncer de ovário.
Apesar dos significativos avanços que obtivemos com esse estudo, reconhecemos as limitações. Foram apenas 40 pacientes que participaram do estudo para validação do exame. Portanto, nosso modelo ainda precisa ser testado em grupos maiores e em diferentes países.
Posteriormente, o exame precisará passar por todas as etapas de aprovação para uso clínico rotineiro. E ainda serão necessários estudos prospectivos com acompanhando de pacientes ao longo do tempo antes que ele possa ser incorporado ao atendimento médico.
Os resultados desta pesquisa foram viabilizados graças ao apoio também dos pesquisadores Glenerson Baptista, Helena Zancanaro, Diego José Gomes de Paula, Luciana Castro Moreeu, Cláudia Bessa Pereira Chaves e Alexandre Dias Porto Chiavegatto Filho. E do financiamento de agência como o CNPq, Faperj, e o Instituto Nacional de Câncer/Ministério da Saúde
Mariana Boroni é co-fundadora da Spectra Biotechnologies.
Alessandra serain é co-fundadora da Spectra Biotechnology e recebe auxílio da FAPERJ.
Cristiane Esteves é co-fundadora da Spectra Biotechnology
João Paulo de Biaso Viola recebe financiamento da CNPq e Faperj.
Nayara Tessarollo é co-fundadora da Spectra Biotechnology.