Inglaterra: Pela primeira vez, os investigadores identificaram pelo menos três subtipos únicos de um tipo raro de cancro ósseo, potencialmente transformando os ensaios clínicos e os cuidados aos pacientes.
Um projeto de pesquisa liderado pela Universidade de East Anglia conseguiu usar modelagem matemática avançada e aprendizado de máquina chamado “Decomposição de Processo Latente” para categorizar pacientes com osteossarcoma em diferentes subgrupos usando seus dados genéticos. Anteriormente, todos os pacientes seriam agrupados e tratados utilizando os mesmos protocolos, o que tinha resultados muito variados.
Embora o sequenciamento genético tenha ajudado anteriormente a descobrir diferentes subtipos de outros tipos de câncer, como câncer de mama ou de pele, para os quais esses pacientes recebem tratamento direcionado e personalizado para seu subtipo de câncer, tem sido muito mais difícil fazer isso com o osteossarcoma – um câncer que começa em o osso e geralmente afeta crianças e adolescentes.
O autor principal, Darrell Green, da Norwich Medical School da UEA, disse: “Desde a década de 1970, o osteossarcoma tem sido tratado com quimioterapia e cirurgia não direcionadas, o que às vezes resulta na amputação de membros, bem como nos efeitos colaterais graves e duradouros da quimioterapia.
“Vários ensaios clínicos internacionais que investigam novos medicamentos para o osteossarcoma foram considerados ‘fracassados’ nos últimos mais de 50 anos.
“Esta nova investigação descobriu que em cada um destes ensaios ‘fracassados’, houve uma pequena taxa de resposta (cerca de cinco a 10 por cento) ao novo medicamento, sugerindo a existência de subtipos de osteossarcoma que responderam ao novo tratamento.
“Os novos medicamentos não foram um ‘fracasso’ total, como foi concluído; em vez disso, os medicamentos não foram bem-sucedidos para todos os pacientes com osteossarcoma, mas poderiam ter se tornado um novo tratamento para grupos selecionados de pacientes.
“Esperamos que, no futuro, agrupar pacientes usando este novo algoritmo signifique resultados bem-sucedidos em ensaios clínicos, pela primeira vez em mais de meio século.
“Quando os pacientes puderem ser tratados com medicamentos específicos para o seu subtipo de câncer, isso facilitará o afastamento da quimioterapia padrão”.
A busca por tratamentos mais gentis e direcionados para o osteossarcoma é uma área importante de foco para Crianças com Câncer no Reino Unido.
Em 2021, o financiamento foi concedido pela principal instituição de caridade contra o câncer infantil à equipe da UEA para investigar formas inovadoras de tratar o osteossarcoma.
A Dra. Sultana Choudhry, Chefe de Investigação em Crianças com Cancro no Reino Unido, afirmou: “Investir em programas de investigação pioneiros é fundamental para impulsionar a nossa visão de um mundo onde todas as crianças e jovens sobrevivam ao cancro.
“Investimos a nossa angariação de fundos na ciência porque vimos como a investigação pode fazer uma diferença significativa nas hipóteses de sobrevivência de cada criança.
“Ao financiar investigação inovadora, não estamos apenas a promover o conhecimento científico, mas também a encontrar tratamentos mais suaves e eficazes para os nossos pacientes com cancro mais jovens e mais vulneráveis.
“Nossa esperança é que os resultados deste projeto de pesquisa melhorem o diagnóstico, o tratamento e os cuidados de longo prazo para pacientes jovens com câncer”.
A taxa de sobrevivência do osteossarcoma, um tipo de câncer ósseo, estagnou em torno de 50% nos últimos 45 anos. Isto ocorre principalmente porque os diferentes subtipos de osteossarcoma ainda não são totalmente compreendidos, bem como a forma como o sistema imunológico ao redor do tumor o afeta, ou o que faz com que o câncer resista ao tratamento ou se espalhe para outras partes do corpo.
Os cientistas ainda não identificaram os principais marcadores biológicos que poderiam ajudar a prever a perspectiva de um paciente ou como ele responderá ao tratamento. Estas lacunas no conhecimento estão a impedir o progresso na melhoria das taxas de sobrevivência.
Anteriormente, os pesquisadores tentaram prever diferentes tipos de osteossarcoma usando certos métodos computacionais, o que sugere que existem subtipos distintos de câncer.
Embora este tenha sido um passo importante, não explica totalmente o fato de que cada tumor de osteossarcoma pode ser muito diferente de uma parte para outra.
Estes modelos também assumem que cada tumor pode ser claramente colocado num grupo específico, embora os tumores sejam geralmente constituídos por muitos tipos diferentes de células cancerígenas.
Esta variação dentro de um tumor torna mais difícil prever com precisão como o câncer se comporta ou responde ao tratamento.
Neste estudo, os pesquisadores usaram um método mais avançado chamado Decomposição do Processo Latente (LPD), que leva em consideração as diferenças dentro dos tumores individuais.
Ao contrário dos métodos anteriores, o LPD analisa o tumor como uma mistura de padrões ocultos na atividade genética. Esses padrões ocultos representam diferentes “estados funcionais” do tumor, e cada estado tem seu próprio padrão específico de expressão genética.
O método LPD descobre quantos destes padrões são necessários para descrever um tumor específico.
A pesquisa descobriu três subtipos de doença de osteossarcoma, um dos quais respondeu mal quando tratado com a combinação padrão de medicamentos quimioterápicos chamada MAP.
Ao agrupar os pacientes com base nesses padrões, os médicos poderiam tomar decisões mais informadas sobre o tratamento.
Os investigadores reconheceram que as principais limitações do estudo incluem um pequeno conjunto de dados para o desenvolvimento do modelo LPD e os dados clínicos incompletos na coorte de validação.
O acesso a tecidos e dados clínicos vinculados é particularmente desafiador para o osteossarcoma devido à raridade dos casos, ao material de biópsia limitado e aos extensos danos relacionados à quimioterapia presentes nas amostras pós-tratamento.
Apesar destes desafios, o método LPD provou ser confiável, pois identificou subgrupos consistentes de osteossarcoma em quatro conjuntos diferentes de dados independentes.
Como qualquer ferramenta de aprendizado de máquina, os resultados melhoram à medida que mais dados são adicionados. (ANI)
