• Home
  • Tecnologia
  • John Hopkins revela novo método computacional para oncologia de precisão

John Hopkins revela novo método computacional para oncologia de precisão

Os hospitais poderiam usar a técnica matemática para facilitar o tratamento personalizado de pacientes.

Um dos dilemas enfrentados pelos provedores com a medicina de precisão é que, apesar de todos os avanços da pesquisa genômica, ainda pode ser difícil traduzi-la para a prática clínica do dia a dia: os médicos nem sempre sabem como transformar dados genéticos em tratamentos apropriados.

Um dos principais desafios para eles é que cada forma primária de câncer, como mama ou próstata, pode ter múltiplos subtipos, e cada um deles responde de maneira diferente a um determinado tratamento.

Nesta semana, pesquisadores da John Hopkins anunciaram, o que dizem ser, uma nova estratégia computacional para ajudar a traduzir dados complexos de medicina de precisão em um formato mais simplificado, que foca na variação das assinaturas moleculares de células cancerígenas entre pacientes

“Uma das coisas que as pessoas desta área notaram nos últimos 10 anos – e, de fato, tem sido surpreendente – é a quantidade de heterogeneidade existente entre dois pacientes com o mesmo subtipo de câncer”, disse Donald Geman, professor no Departamento de Matemática Aplicada e Estatística da Johns Hopkins, em um comunicado anunciando os resultados.

“Isso quer dizer que em dois pacientes que foram diagnosticados com melanoma, as lesões da pele podem parecer muito semelhantes ao olho nu, mas as células cancerosas podem ser muito diferentes no nível molecular. Eles podem ter diferentes formas de desregulação, incluindo diferentes variantes genéticas e expressão gênica.”

Por isso, entregar o máximo de dados sobre a composição genética da lesão, proporciona aos médicos informações fundamentais para determinar o melhor tratamento aos seus pacientes, e ainda, auxilia na definição de um perfil molecular particular para cada um deles.

Geman diz que o resultado obtido, mostra de forma simples anormalidades em parâmetros chave, como por exemplo a indicação de colesterol alto em um exame de sangue anual. Segundo os pesquisadores, o desenvolvimento simplifica imensamente os estados moleculares convertendo-os em rótulos binários que basicamente mostram se a medição de um paciente está dentro ou fora de níveis saudáveis.

De forma geral, há um grande futuro na utilização de matemática para simplificar dados médicos e possibilitar a integração nos cuidados de rotina. “O objetivo é levar problemas de classificação de interesse clínico genuíno e produzir um algoritmo que seja preciso, interpretável e faça sentido biologicamente”, disse ele.