Compreender o subtipo molecular de um câncer estãose tornando uma parte importante do processo de diagnóstico, pois ajuda o médico a entender melhor o prognóstico do paciente, determinar o melhor curso de ação para o tratamento e ajuda os pesquisadores a criar terapias de precisão novas e mais eficientes.

Atualmente, o câncer colorretal (CRC) possui quatro subtipos moleculares conhecidos, identificados com base em seu perfil de expressão de RNA, usando a análise de RNA. Mas o processo de análise de RNA écaro, tecnicamente desafiador e requer um especialista para interpretar dados para determinar o subtipo. Para determinar com mais eficiência e baixo custo o subtipo molecular da CRC de um paciente, énecessa¡rio usar dados mais facilmente adquiridos em um tumor e categorizar seu subtipo com base em uma técnica automatizada.

Uma fonte predominante de dados no diagnóstico do câncer são as imagens, como imagens histola³gicas da anatomia microsca³pica de um ca¢ncer. Quase todos os pacientes com CRC já tem uma amostra de seu tumor inspecionada por um patologista como parte de seu tratamento padra£o.

Um novo artigo publicado pelo Dr. Korsuk Sirinukunwattana, Dr. Enric Domingo, Prof. Viktor H Koelzer e Prof. Jens Rittscher do consãorcio Stratification in Colorectal Cancer (S: CORT), demonstrou o potencial do uso dessas imagens para determinar o subtipo molecular.

Atravanãs do treinamento de uma rede neural de aprendizado profundo, usando mais de 1.000 amostras de tumores, a equipe descobriu que a IA poderia ser treinada para distinguir entre os quatro subtipos moleculares usando apenas imagens.

Normalmente, as imagens histola³gicas são um indicador modesto de como o câncer colorretal progrediu e, atualmente, não hácomo determinar o subtipo molecular de um tumor apenas pelo olho humano, sem fazer um perfil genanãtico nas amostras de tumores. No entanto, este novo estudo demonstra que a tecnologia pode ser treinada para identificar as pequenas diferenças morfo-moleculares entre os subtipos moleculares.

Esse novo conceito, chamado Subtipagem Molecular de Consenso Baseado em Imagem (imCMS), permitira¡ que as imagens sejam interpretadas atravanãs da associação de previsaµes noníveldo bloco com morfologia, recursos moleculares e dados de resultados.

Além disso, este estudo também demonstrou que a IA écapaz de classificar o subtipo molecular de amostras que anteriormente não eram classifica¡veis ​​pelo processo padrãode criação de perfil de expressão de RNA. Ele também fornece informações para a distribuição espacial de cada subtipo dentro de um tumor.

Essa tecnologia de IA tera¡ enormes implicações na padronização da classificação de subtipos moleculares de CRC. Abre novas oportunidades para criar maneiras simples, baratas e confia¡veis ​​de estratificar rapidamente o câncer colorretal de um paciente e diminui a demanda por informações especializadas que nem sempre estãodisponí­veis imediatamente.

Tem potencial para revelar novos caminhos para a tradução da classificação dos subtipos de CRC na prática cla­nica e aumentar a disponibilidade de estratificação molecular em ambientes com poucos recursos, ajudando a tornar diagnósticos precisos de câncer e o tratamento adequado mais acessa­veis a todos.

As amostras para este estudo foram coletadas pelo programa S: CORT e The Cancer Genome Atlas (TCGA). O consãorcio S: CORT éum consãorcio de medicina estratificada do Conselho de Pesquisa Manãdica financiado conjuntamente pelo MRC e pela CRUK. Este trabalho foi apoiado pelo Centro de Pesquisa Biomédica Oxford do Instituto Nacional de Pesquisas em Saúde (NIHR).

Este estudo éuma joint venture criada pelo Prof Tim Maughan (Departamento de Oncologia), Prof Ian Tomlinson (Instituto de Genanãtica e Medicina Molecular, Edimburgo), Prof Jens Rittscher (Instituto de Engenharia Biomédica) e Prof Viktor H Koelzer (Hospital Universita¡rio e Universidade de Zurique; Pesquisador Cla­nico Honora¡rio Saªnior, Departamento de Oncologia, Universidade de Oxford;)

O S: CORT consiste em uma equipe de médicos, profissionais de saúde, acadaªmicos e cientistas em todo o Reino Unido, liderada por Oxford pelo Prof. Tim Maughan, e procura aplicar tecnologias histopatola³gicas e de diagnóstico molecular de ponta para melhorar e adaptar o tratamento de pacientes com câncer colorretal .