Um consórcio internacional de pesquisadores desenvolveu um modelo de inteligência artificial capaz de prever, com maior precisão do que os marcadores clínicos atuais, quais pacientes com câncer de fígado avançado têm mais chances de sobreviver e responder à imunoterapia padrão. O estudo, publicado nesta quinta-feira (12), na revista The Lancet Digital Health, analisou dados de 774 pacientes tratados com a combinação de atezolizumabe e bevacizumabe em 24 centros de oito países.

O carcinoma hepatocelular é a terceira principal causa de morte por câncer no mundo. A maioria dos casos é diagnosticada em estágio avançado, quando as opções terapêuticas são limitadas. Desde 2020, após os resultados do estudo IMbrave150, a combinação do imunoterápico atezolizumabe com o antiangiogênico bevacizumabe tornou-se tratamento de primeira linha, por aumentar a sobrevida global e o tempo livre de progressão da doença. Ainda assim, apenas cerca de um terço dos pacientes apresenta resposta objetiva ao tratamento.

“Apesar do benefício clínico claro, identificar previamente quem realmente vai se beneficiar continua sendo um desafio”, afirma Rohini Sharma, professora do Imperial College London e autora sênior do trabalho. Segundo ela, a ausência de biomarcadores robustos expõe parte dos pacientes a toxicidades e custos sem ganho significativo.

O estudo utilizou 44 variáveis clínicas coletadas rotineiramente antes do início do tratamento — como níveis de alfafetoproteína (AFP), bilirrubina, albumina, presença de invasão vascular e metástases — para treinar sete algoritmos supervisionados de aprendizado de máquina. Após testes internos e validação externa, os pesquisadores construíram modelos “ensemble”, que combinam diferentes algoritmos para melhorar a performance.

Na coorte de validação externa (289 pacientes europeus), o modelo preditivo de sobrevida global em 12 meses alcançou área sob a curva (AUC) de 0,75 (IC 95% 0,69–0,81), desempenho significativamente superior aos principais marcadores clínicos utilizados na prática, como estágio BCLC (AUC 0,54), AFP isolada (0,60) e grau ALBI (0,64).

Para progressão livre de doença em seis meses, o modelo atingiu AUC de 0,64 (0,59–0,70), também superando a maioria dos preditores tradicionais.

A estratificação em grupos de risco revelou diferenças expressivas. Pacientes classificados como de baixo risco apresentaram mediana de sobrevida global de 16,4 meses, enquanto os de alto risco tiveram apenas 4,8 meses (p<0,0001). Em relação à progressão da doença, o grupo de baixo risco teve mediana de 8,9 meses livres de progressão, contra 3,7 meses no grupo de alto risco (p=0,0021).

Além disso, as taxas de resposta objetiva foram significativamente maiores entre os pacientes classificados como baixo risco (34,1% contra 19,0% no modelo de sobrevida; p=0,047).

Historicamente, a oncologia se apoiou em modelos lineares, como regressão logística e análise de Cox, que avaliam fatores isolados. O novo estudo argumenta que tais abordagens são limitadas diante da complexidade biológica do câncer hepático.

Entre as variáveis mais relevantes identificadas pelo modelo estão concentração de AFP, bilirrubina, invasão macrovascular e presença de metástases pulmonares — fatores já conhecidos pela oncologia, mas agora integrados em uma arquitetura preditiva mais sofisticada.

Especialistas apontam que o principal mérito do estudo é utilizar dados rotineiros, sem necessidade de exames genômicos complexos ou biópsias adicionais. Como o diagnóstico do carcinoma hepatocelular muitas vezes é feito por imagem, a caracterização molecular detalhada nem sempre é realizada.

“O uso de variáveis clínicas amplamente disponíveis facilita a incorporação do modelo na prática”, afirmam os autores. 

A expectativa é que, no futuro, ferramentas desse tipo auxiliem na decisão terapêutica individualizada, direcionando pacientes de alto risco para estratégias alternativas ou ensaios clínicos.

O estudo não contou com financiamento externo e ressalta a necessidade de validação prospectiva antes de implementação rotineira.

Em um cenário em que o câncer de fígado segue entre os mais letais — responsável por centenas de milhares de mortes anuais no mundo —, a promessa da inteligência artificial é reduzir a incerteza terapêutica. Se confirmados em estudos futuros, modelos como este podem inaugurar uma nova etapa da oncologia de precisão baseada não apenas em genes, mas também na integração inteligente de dados clínicos.