A IA pode gerar regimes de tratamento personalizados para o cancro a partir de dados genómicos e de ensaios clínicos ?

A inteligência artificial pode gerar de forma fiável planos de tratamento individualizados para o cancro ao cruzar o perfil genómico de um doente com dados de ensaios clínicos publicados? Esta questão explora o equilíbrio entre os resultados computacionais promissores e os rigorosos padrões médicos exigidos nos cuidados ao doente.

Background

Os modelos de inteligência artificial são cada vez mais utilizados para integrar o sequenciamento de ADN específico do paciente e perfis de mutações tumorais com evidências de ensaios clínicos revistos por pares, de modo a sugerir combinações personalizadas de medicamentos. Estes sistemas utilizam algoritmos de aprendizagem automática para identificar terapias potencialmente eficazes, ao associar alterações genómicas a fármacos com eficácia reportada em coortes de doentes semelhantes. Por exemplo, estruturas de aprendizagem profunda como o DeepDR e plataformas similares foram desenvolvidas para prever respostas a medicamentos com base em dados multi-ómicos e resultados históricos de ensaios. No entanto, persistem preocupações quanto à validade clínica e eficácia real no mundo dos regimes gerados por IA, como destacado por oncologistas e organismos reguladores. Embora estes modelos possam produzir combinações de fármacos plausíveis ao aprenderem com grandes conjuntos de dados, os críticos argumentam que muitas sugestões carecem de validação prospetiva em contextos clínicos controlados ou de benefícios demonstrados na sobrevivência dos doentes. Além disso, a heterogeneidade dos tipos de cancro, a natureza dinâmica da evolução tumoral e a variabilidade nos desenhos dos ensaios complicam ainda mais a tradução das recomendações de IA em protocolos de tratamento padronizados. Os organismos reguladores, como a U.S. Food and Drug Administration (FDA), têm enfatizado a necessidade de validação rigorosa das ferramentas de apoio à decisão clínica impulsionadas por IA, de modo a garantir a segurança do doente e o benefício terapêutico.

Os modelos de linguagem de grande porte e outros sistemas de IA são cada vez mais utilizados para sintetizar literatura biomédica e relatórios de ensaios clínicos, de modo a propor opções de tratamento. Estudos de benchmarking relatam que a IA pode recuperar e classificar braços de ensaios relevantes para um determinado genótipo de doente com precisão moderada a alta, embora o desempenho varie consoante o tipo de cancro e a completude dos dados. As vias reguladoras para software que gera recomendações de tratamento permanecem fragmentadas, com algumas jurisdições a tratarem tais sistemas como ferramentas de apoio à decisão clínica e outras como dispositivos médicos de alto risco. A validação no mundo real envolve tipicamente revisões retrospetivas de registos clínicos e estudos-piloto prospetivos que comparam os regimes sugeridos pela IA com aqueles escolhidos por conselhos multidisciplinares de tumores. A orientação ética e legal enfatiza a necessidade de explicabilidade, supervisão humana e divulgação clara quando a IA é utilizada para informar os cuidados. As fontes de dados incluem repositórios públicos como o TCGA e o cBioPortal, bem como bases de dados estruturadas de ensaios como o ClinicalTrials.gov e o EudraCT.

— Enriched 15 de maio de 2026 · Source: Nature Biotechnology, 2023