Há um momento particularmente difícil na medicina do câncer: aquele em que alguma coisa parece errada, mas ainda não há um órgão claramente apontando para a doença. Fadiga persistente, perda de peso sem explicação, dor vaga, náusea ou alterações laboratoriais podem anunciar uma malignidade — mas também dezenas de outras condições. É nesse território de incerteza que um estudo conduzido por pesquisadores da Universidade de Oxford testa uma ideia ambiciosa: procurar no sangue não o tumor em si, mas as marcas que ele deixa no organismo.

Publicado nesta sexta-feira (14), na eBioMedicine, o trabalho liderado por Tereza Kacerova, Abi G. Yates, James R. Larkin, Daniel C. Anthony e colaboradores analisou 369 pacientes encaminhados pelo programa Oxfordshire Suspected CANcer (SCAN), dos quais 59 tinham câncer e 310 não apresentavam malignidade. O objetivo foi validar uma assinatura metabólica previamente identificada e investigar se a combinação de metabolômica — o estudo de pequenas moléculas presentes no sangue — com glicômica, que examina estruturas de açúcares ligadas a proteínas, poderia aumentar a capacidade de discriminar câncer de doenças não malignas.

A lógica é biologicamente poderosa. Um tumor não permanece isolado dentro de um órgão. Ele modifica o metabolismo, provoca respostas inflamatórias e altera proteínas circulantes. A hipótese dos pesquisadores é que parte dessas mudanças sistêmicas possa funcionar como uma espécie de “impressão digital” molecular. Em vez de perguntar ao sangue onde está o tumor, o método pergunta se o organismo está exibindo o padrão bioquímico associado à presença de câncer.

O primeiro resultado é expressivo, embora deva ser interpretado com cautela. No conjunto completo de 369 participantes, a análise integrada de NMR-metabolômica e glicômica alcançou uma área sob a curva ROC (AUC) de 0,814, contra 0,799 para a metabolômica isolada e 0,778 para a glicômica isolada. No ponto de corte utilizado, o modelo integrado apresentou 80,3% de sensibilidade e 67,0% de especificidade, com acurácia de 70,0%.

A diferença mais impressionante surgiu quando os pesquisadores retiraram do conjunto condições capazes de produzir grandes alterações metabólicas e alguns diagnósticos selecionados. Restaram 309 participantes: 32 com câncer e 277 sem câncer. Nesse grupo mais controlado, a AUC subiu para 0,884, com sensibilidade de 86,0%, especificidade de 76,5% e acurácia de 77,5%. O resultado foi estatisticamente superior ao observado na coorte completa, com p<0,0001.

O que o algoritmo encontrou não foi um único marcador milagroso. A assinatura emergiu da combinação de diferentes sinais. Entre os mais importantes estavam glutamato, histidina, mio-inositol e medidas relacionadas às partículas de HDL. O glutamato apresentou odds ratio de 2,08; a histidina, 2,44; e o mio-inositol, 1,77. Em sentido inverso, a concentração de partículas de HDL apresentou odds ratio de 0,44.

A glicômica acrescentou uma camada diferente da biologia. Estruturas de glicanos fucosilados e bisectados, entre elas FA2G2S1, FA2BG1 e M5A1G1S1, apareceram entre os sinais mais discriminatórios. Algumas dessas estruturas estavam reduzidas nos pacientes com câncer, enquanto glicanos de maior complexidade, como A3G3S3, apresentaram associação inversa. Essas alterações foram estatisticamente robustas, muitas delas com p<0,0001.

É justamente essa complementaridade que interessa aos autores. O estudo conclui que a glicômica captura alterações de glicosilação que aparecem apenas de maneira parcial no perfil metabolômico, ampliando a leitura da resposta sistêmica do organismo ao câncer. Na interpretação apresentada pela equipe, combinar as duas camadas moleculares torna o fenômeno biologicamente mais inteligível, especialmente em pacientes com múltiplas doenças simultâneas.

O estudo também enfrenta uma das dificuldades mais sérias de qualquer biomarcador: distinguir câncer de “estar doente”. Uma pessoa idosa com doença cardiovascular, renal ou respiratória pode apresentar inúmeras alterações bioquímicas sem ter câncer. Para enfrentar esse problema, os pesquisadores criaram dois classificadores independentes — um para câncer e outro para diagnósticos não malignos — e projetaram os resultados em um espaço probabilístico comum.

Nesse modelo conjunto, a classificação alcançou 89,2% de acurácia, com sensibilidade de 91,5% e especificidade de 88,7%. Mas os próprios pesquisadores fazem uma ressalva importante: esse resultado representa a consistência das probabilidades geradas no espaço conjunto e não constitui uma validação diagnóstica independente.

Há ainda uma segunda fronteira: a extensão da doença. Entre os 59 pacientes com câncer, 29 apresentavam doença metastática e 30 não metastática. O classificador multiômico conseguiu diferenciar os grupos com AUC de 0,801, acurácia de 75,2% e especificidade de 90,9% para doença não metastática, embora a sensibilidade para doença metastática tenha sido de 59,4%.

O trabalho ganha força porque não depende apenas de uma nova análise de dados. Ele também reproduz uma assinatura identificada anteriormente. Na SCAN2, nove características metabólicas produziram AUC de 0,783; quando esse painel foi aplicado retrospectivamente à coorte SCAN1, a AUC chegou a 0,881, sugerindo consistência entre coortes e plataformas analíticas diferentes.

Ainda assim, não se trata de um exame pronto para substituir tomografias, biópsias ou avaliação médica. A própria pesquisa defende a tecnologia como instrumento complementar de triagem, capaz de ajudar a priorizar investigação e encaminhamento. O próximo passo, segundo os autores, é uma avaliação prospectiva em cenários reais de atenção primária e centros de diagnóstico rápido.

Essa cautela é essencial. O estudo é relativamente pequeno, sobretudo quando dividido em subgrupos; apenas 59 participantes tinham câncer. Além disso, alguns fatores metabólicos importantes levaram à exclusão de pacientes na análise refinada. E, embora o desempenho seja promissor, uma AUC elevada em uma coorte clínica não significa automaticamente que o teste reduzirá mortalidade quando incorporado à prática.

Mas há algo novo na arquitetura proposta. O estudo não procura apenas um marcador que diga “câncer” ou “não câncer”. Ele tenta construir uma representação quantitativa da incerteza clínica — uma espécie de mapa molecular em que câncer, doença não maligna e ausência de diagnóstico ocupam regiões diferentes.

É uma mudança conceitual importante. O futuro da detecção precoce talvez não esteja em uma única molécula capaz de denunciar um tumor escondido, mas em sistemas que reconheçam padrões complexos de metabolismo, inflamação, lipoproteínas e glicosilação. Nesse cenário, uma amostra de sangue não seria apenas uma fotografia bioquímica do paciente. Poderia tornar-se uma janela probabilística para aquilo que ainda não é visível nos exames convencionais.

Os próprios pesquisadores descrevem a abordagem como um possível complemento às rotas diagnósticas existentes, capaz de fornecer biomarcadores objetivos e quantificáveis para apoiar decisões clínicas.

A promessa, portanto, não é simplesmente encontrar o câncer mais cedo. É reduzir o espaço entre o primeiro sinal de que algo está errado e o momento em que a medicina finalmente consegue descobrir o quê.