A abordagem do ‘Google Maps’ fornece mapeamento de tumor célula por célula para tratamento mais personalizado do câncer de pulmão

Os investigadores desenvolveram uma forma de prever como as células do cancro do pulmão responderão a diferentes terapias, permitindo que as pessoas com a forma mais comum de cancro do pulmão recebam um tratamento individualizado mais eficaz.

A pesquisa, publicada em 10 de outubro em Genética da Naturezafoi liderado por Thazin Aung, Ph.D., no laboratório de David Rimm, MD, Ph.D. da Yale School of Medicine, em colaboração com cientistas do Instituto Frazer da Universidade de Queensland. Os pesquisadores estudaram os tumores de 234 pacientes com câncer de pulmão de células não pequenas (NSCLC) em três coortes na Austrália, nos Estados Unidos e na Europa.

“Usando IA e biologia espacial, mapeamos o NSCLC, célula por célula, para compreender e prever sua resposta ao tratamento medicamentoso”, diz Aung. “Esta abordagem do ‘Google Maps’ pode identificar áreas dentro dos tumores que respondem e são resistentes às terapias, o que será um divisor de águas no tratamento do câncer de pulmão. Em vez de ter que usar uma abordagem de tentativa e erro, os oncologistas saberão agora quais tratamentos têm maior probabilidade de funcionar com novas ferramentas de medicina de precisão.”

O trabalho “fornece um roteiro para um novo teste de diagnóstico que pode otimizar a escolha do tratamento para o câncer de pulmão”, diz Rimm, professor de patologia Anthony N. Brady e professor de medicina (oncologia médica) na Escola de Medicina de Yale.

O cancro do pulmão é a principal causa de morte por cancro no mundo, com uma estimativa de 1,8 milhões de mortes anualmente, e o cancro do pulmão de células não pequenas representa 85% de todos os casos. Os tratamentos de imunoterapia custam entre US$ 400.000 e US$ 500.000 por paciente por ano e são eficazes em apenas 20% a 30% dos pacientes.

“Essas terapias também apresentam riscos significativos para os pacientes que as recebem, incluindo toxicidade imunológica grave que pode ser fatal”, diz Arutha Kulasinghe, Ph.D., principal autora do estudo na Universidade de Queensland. “Esses desafios destacam a necessidade crítica de classificar os pacientes de acordo com a probabilidade de se beneficiarem do tratamento.

“Ao integrar dados sobre a geografia molecular do câncer e técnicas de aprendizado de máquina, podemos melhorar a tomada de decisões de tratamento e melhorar os resultados dos pacientes com câncer de pulmão. Essa mesma abordagem também pode ser usada para informar tratamentos para outras doenças malignas onde imunoterapias são usadas, por exemplo, melanoma, câncer de cabeça e pescoço e de bexiga.”