Um modelo de inteligência artificial capaz de estimar resistência à insulina a partir de exames clínicos de rotina identificou associação significativa entre o distúrbio metabólico e o risco aumentado de ao menos 12 tipos de câncer. O achado, publicado nesta segunda-feira (16), na revista Nature Communications, amplia o elo epidemiológico entre metabolismo e oncologia e sugere que marcadores preditivos podem ajudar a identificar populações de maior risco antes mesmo do diagnóstico de diabetes.

O estudo, liderado por pesquisadores do Taichung Veterans General Hospital e da The University of Tokyo, analisou dados de 372.395 participantes do UK Biobank. A equipe aplicou um modelo preditivo chamado AI-IR (sigla em inglês para “resistência à insulina derivada por inteligência artificial”), construído a partir de nove parâmetros clínicos — idade, sexo, índice de massa corporal (IMC), glicemia, hemoglobina glicada, triglicérides e frações do colesterol.

Durante o acompanhamento, 51.193 indivíduos desenvolveram câncer. Embora a incidência global de tumores não tenha diferido entre os grupos, a análise por tipo revelou padrões expressivos.

A resistência à insulina predita pelo algoritmo mostrou associação estatisticamente robusta com maior incidência de seis cânceres, mesmo após correção rigorosa para múltiplas comparações: útero, rim, esôfago, pâncreas, cólon e mama.

O risco foi particularmente elevado para câncer de útero, com razão de risco (hazard ratio) de 2,34 — ou seja, mais que o dobro em comparação a indivíduos sem resistência estimada. Para câncer de rim, o aumento foi de 55,7% (HR 1,56), e para esôfago, 46,4% (HR 1,46). Pâncreas (HR 1,29), cólon (HR 1,18) e mama (HR 1,13) também apresentaram elevação significativa.

Outros seis tumores — incluindo fígado e vias biliares, estômago, pulmão e leucemia — exibiram associações nominais. Ao agrupar dez desses tipos em um desfecho composto, o risco ajustado por idade e sexo foi 25% maior entre indivíduos com resistência à insulina predita (HR 1,25; IC 95% 1,20–1,31; p < 1×10¹¹).

Mesmo após ajuste adicional para IMC, o risco permaneceu 16% superior, sugerindo que parte do efeito é independente da obesidade.

O modelo AI-IR também superou indicadores clássicos na previsão de diabetes. A área sob a curva (AUC) para incidência da doença foi de 0,798 — superior ao IMC (0,721), ao índice triglicérides/glicose (TyG) e à razão triglicérides/HDL.

Entre participantes inicialmente sem diabetes, aqueles classificados como AI-IR positivos tiveram probabilidade 7,3 vezes maior de desenvolver a doença no período médio de 4,3 anos de seguimento. O risco de hospitalização por diabetes foi 6,4 vezes superior.

Segundo os pesquisadores, o diferencial do modelo é captar alterações metabólicas sutis que não aparecem quando se observa apenas o peso corporal. “Indivíduos com IMC elevado, mas sem resistência estimada, não apresentaram aumento significativo de risco”, destaca o estudo, sugerindo a existência de fenótipos metabolicamente saudáveis dentro da obesidade.

A hipótese de que resistência à insulina e hiperinsulinemia favorecem a carcinogênese não é nova. Desde os anos 1990, estudos apontam que a insulina pode estimular crescimento celular por meio de vias compartilhadas com o fator de crescimento semelhante à insulina (IGF-1), além de interagir com processos inflamatórios crônicos associados à obesidade.

No entanto, medir resistência à insulina em larga escala sempre foi um desafio. O método padrão-ouro — o clamp hiperinsulinêmico-euglicêmico — é inviável em estudos populacionais. Mesmo o índice HOMA-IR exige dosagem de insulina, exame pouco disponível em bancos de dados populacionais.

A aplicação de aprendizado de máquina contorna essa limitação ao estimar o distúrbio com base em variáveis amplamente registradas.

Os resultados têm implicações diretas para políticas de rastreamento e prevenção. Em um cenário de envelhecimento populacional e crescimento da obesidade — que atinge mais de 1 bilhão de pessoas no mundo, segundo a OMS — a identificação precoce de indivíduos metabolicamente vulneráveis pode orientar intervenções personalizadas.

O estudo também encontrou interação relevante com tabagismo: no caso do câncer de pulmão, o efeito da resistência à insulina foi mais evidente entre ex-fumantes, possivelmente porque o risco extremo em fumantes ativos mascara outros fatores.

Especialistas veem na integração entre inteligência artificial e grandes bancos de dados biomédicos um novo capítulo da epidemiologia. “Ferramentas preditivas como o AI-IR podem auxiliar na estratificação de risco e na alocação eficiente de recursos em saúde pública”, afirmam os autores.

Ainda que o desenho observacional não permita estabelecer causalidade, o volume da amostra e a consistência estatística reforçam a plausibilidade biológica do achado.

Se confirmados por estudos prospectivos e ensaios clínicos, os dados sugerem que combater a resistência à insulina — por meio de dieta, atividade física e controle metabólico — pode representar não apenas estratégia contra diabetes e doenças cardiovasculares, mas também frente adicional na prevenção do câncer.