Usando o aprendizado de máquina para prever a progressão do tumor cerebral

Pesquisadores da Universidade de Waterloo criaram um modelo computacional para prever o crescimento de tumores cerebrais mortais com mais precisão.

Glioblastoma multiforme (GBM) é uma Cancer cerebral com uma taxa média de sobrevivência de apenas um ano. É difícil de tratar devido ao seu núcleo extremamente denso, crescimento rápido e localização no cérebro. Estimar a taxa de difusão e proliferação desses tumores é útil para os médicos, mas essa informação é difícil de prever para um paciente individual com rapidez e precisão.

Pesquisadores da University of Waterloo e da University of Toronto fizeram parceria com o St. Michael’s Hospital em Toronto para analisar dados de ressonância magnética de vários pacientes com GBM. Eles estão usando o aprendizado de máquina para analisar completamente o tumor de um paciente, para prever melhor a progressão do câncer.

Os pesquisadores analisaram dois conjuntos de ressonâncias magnéticas de cada um dos cinco pacientes anônimos que sofrem de GBM. Os pacientes foram submetidos a extensas ressonâncias magnéticas, esperaram vários meses e depois receberam um segundo conjunto de ressonâncias magnéticas. Como esses pacientes, por razões não reveladas, optaram por não receber nenhum tratamento ou intervenção durante esse período, suas ressonâncias magnéticas forneceram aos cientistas uma oportunidade única de entender como o GBM cresce quando não é controlado.

Os pesquisadores usaram um modelo de aprendizado profundo para transformar os dados de ressonância magnética em estimativas de parâmetros específicos do paciente que informam um modelo preditivo para o crescimento de GBM. Esta técnica foi aplicada a tumores de pacientes e sintéticos, para os quais as verdadeiras características eram conhecidas, permitindo-lhes validar o modelo.

“Teríamos adorado fazer essa análise em um enorme conjunto de dados”, disse Cameron Meaney, Ph.D. candidato em Matemática Aplicada e pesquisador principal do estudo. “Com base na natureza da doença, no entanto, isso é muito desafiador porque não há uma longa expectativa de vida e as pessoas tendem a iniciar o tratamento. É por isso que a oportunidade de comparar cinco tumores não tratados foi tão rara – e valiosa”.

Agora que os cientistas têm um bom modelo de como o GBM cresce sem tratamento, o próximo passo é expandir o modelo para incluir o efeito do tratamento nos tumores. Em seguida, o conjunto de dados aumentaria de um punhado de ressonâncias magnéticas para milhares.

Meaney enfatiza que o acesso aos dados de ressonância magnética – e a parceria entre matemáticos e médicos – pode ter um grande impacto nos pacientes daqui para frente.

“A integração da análise quantitativa na saúde é o futuro”, disse Meaney.

O estudo de co-autoria de Meaney, Sunit Das, Errol Colak e Mohammad Kohandel, aparece no Jornal de Biologia Teórica.