A possibilidade de identificar indivíduos com maior risco de desenvolver câncer anos antes de um diagnóstico clínico pode revolucionar a prevenção e a detecção precoce de tumores. Uma pesquisa internacional, apresentada no Congresso da Sociedade Europeia de Oncologia Médica (ESMO) de 2026, aponta que essa previsão pode ser viabilizada não por testes extraordinários, mas sim pela análise aprofundada de dados já rotineiramente coletados em sistemas de saúde. Análises de sangue habituais, histórico médico e determinados hábitos de vida parecem conter informações suficientes para antecipar o risco de alguns tipos de câncer.

O estudo, baseado em modelos de aprendizado de máquina, propõe o aproveitamento de dados já disponíveis para identificar pessoas que se beneficiariam de um monitoramento mais rigoroso ou de programas de rastreamento específicos. Para testar essa hipótese, os pesquisadores desenvolveram cerca de 500 modelos preditivos para 20 tipos distintos de câncer. A base de dados incluiu 463.620 participantes do Biobanco do Reino Unido, acompanhados por aproximadamente 18 anos, período em que 57.055 desenvolveram algum tipo de câncer. Os modelos integraram variáveis como histórico clínico, hábitos de vida, resultados de exames de sangue e, em alguns casos, dados genéticos e metabolômicos. A validação foi feita com dados de populações na Escócia, Gales, nos Estados Unidos (programa All of Us) e no Japão.

Análise de dados revela potencial preditivo

Uma das descobertas centrais da pesquisa é que uma parcela significativa da capacidade preditiva provém de análises de sangue de rotina e do histórico médico. Notavelmente, os resultados analíticos continuaram a fornecer informações valiosas para estimar o risco de cânceres diagnosticados mais de cinco anos após a coleta dos dados. Em contrapartida, a inclusão de dados genéticos e metabolômicos resultou em melhorias relativamente modestas no desempenho dos modelos. Isso sugere que a informação contida em exames de sangue comuns, muitas vezes subutilizada em sua totalidade preditiva, é um recurso poderoso para a identificação precoce de riscos oncológicos.

Desempenho varia por tipo de tumor

Os modelos de aprendizado de máquina demonstraram superioridade em relação aos métodos estatísticos tradicionais, embora sua eficácia na antecipação da doença tenha variado consideravelmente entre os tipos de tumores. Os resultados foram particularmente promissores para cânceres de pulmão, esôfago e fígado. Em contraste, a capacidade preditiva mostrou-se mais limitada para tumores de ovário, mama e colo do útero. Para doenças como leucemia mieloide aguda e mieloma múltiplo, o desempenho dos modelos diminuiu quando o horizonte temporal de previsão foi ampliado, indicando que algumas previsões de curto prazo podem estar, na verdade, identificando sinais de doenças já presentes, mas ainda não diagnosticadas.

Ferramentas para pre-triagem e individualização do risco

"Em determinados tipos de câncer, estes modelos poderiam ser utilizados como ferramentas de pre-triagem de baixo custo, baseadas em dados que já são coletados de forma habitual na prática clínica", afirma Paul-Henry Koop, autor principal do estudo e pesquisador do Centro Else Kröner Fresenius de Saúde Digital da Universidade Técnica de Dresden. Atualmente, programas de rastreamento geralmente se dirigem a grupos populacionais definidos por critérios gerais, como idade ou fatores de risco conhecidos. A União Europeia, por exemplo, tem focado recomendações em cânceres de mama, colo do útero e colorretal, com discussões sobre expansão para outros tumores. A equipe do estudo também desenvolveu o PRE-Screen, uma ferramenta para facilitar a execução sistemática dos modelos preditivos por agentes de inteligência artificial baseados em grandes modelos de linguagem, que demonstraram desempenho superior.

Próximos passos: validação prospectiva

Os pesquisadores ressaltam que uma previsão de alto risco não constitui um diagnóstico de câncer. Muitas pessoas identificadas pelos modelos podem nunca desenvolver a doença, o que justifica a recomendação de que resultados positivos levem inicialmente a exames minimamente invasivos. O enfoque proposto visa uma avaliação de risco mais individualizada e o auxílio na identificação de indivíduos que poderiam se beneficiar de intervenções preventivas ou exames adicionais. É prematuro, contudo, a adoção generalizada desses modelos na prática clínica, pois o estudo se baseou em análises retrospectivas. A próxima etapa crucial será a realização de estudos prospectivos para determinar se a incorporação dessas ferramentas aos circuitos de saúde realmente melhora a prevenção e o diagnóstico do câncer, e se a capacidade preditiva se traduz em melhores decisões médicas e benefícios tangíveis para os pacientes.

Com reportagem de Brazil Valley

Source · Forbes España