Ferramenta de inteligência artificial otimiza diagnóstico de doenças a partir da análise de biópsias

A união entre inteligência artificial e colaboração humana está transformando a análise de tecidos (anatomopatológicas) obtidos por biópsias ou extraídos de peças cirúrgicas. Um estudo publicado na revista Nature Communications, que contou com participação do Instituto D’Or de Pesquisa e Ensino (IDOR), apresentou uma plataforma colaborativa inovadora que permite segmentar imagens digitais de tecidos com alta precisão — mesmo com poucos dados manuais — e identificar marcadores relacionados ao prognóstico de pacientes com melanoma, um tipo de câncer de pele. O estudo contou com a participação da Dra. Lidiane Vieira Marins, médica patologista da Rede D’Or e pesquisadora do IDOR, representando o Brasil entre os autores.

A análise histológica de tecidos tumorais é uma etapa essencial no diagnóstico e tratamento de diversos tipos de câncer. O processo depende da interpretação de imagens realizadas por patologistas, que analisam manualmente lâminas coradas com hematoxilina e eosina (H&E). Com a possibilidade de digitalizar as imagens dessas lâminas e o avanço da inteligência artificial, novas possibilidades emergem para automatizar e padronizar essa análise. Mas treinar algoritmos robustos exige enormes volumes de dados anotados por especialistas, um processo custoso e demorado.

Para superar essa limitação, pesquisadores desenvolveram o PHARAOH (PHenotyping and Regional Analysis Of Histology), uma plataforma interativa e gratuita para análise computacional de tecidos histológicos. A ferramenta utiliza modelos de Deep Learning a partir de anotações menos detalhadas e fornecidas por poucos casos, mas suficientes para extrair padrões clínicos e biológicos relevantes em larga escala.

O estudo demonstrou que, com apenas sete amostras iniciais de melanoma cutâneo, o PHARAOH conseguiu identificar e classificar regiões tumorais e adjacentes com alta precisão, criando um banco de mais de 23 mil imagens anotadas automaticamente. A partir dessas imagens, os pesquisadores treinaram uma rede neural convolucional (CNN) para segmentar lesões tumorais em outros pacientes. Esse tipo de algoritmo é voltado para o reconhecimento de padrões, sendo ideal para o reconhecimento e processamento de imagens.

O diferencial da plataforma está na combinação entre automação e intervenção humana pontual. O processo começa com a divisão das imagens completas em pequenos fragmentos, chamados de tiles. Esses tiles são pedaços menores da imagem histológica (por exemplo, de uma lâmina de tecido), o que facilita a análise.

Depois disso, o sistema agrupa esses fragmentos com base em similaridades morfológicas. Ou seja, fragmentos que "se parecem" entre si em termos de cor, forma, textura ou padrões celulares são colocados juntos de forma automática pelo sistema, usando algoritmos de agrupamento não supervisionado.

Em vez de ter que rotular cada fragmento individualmente, o especialista analisa esses grupos já formados e fornece um rótulo para o grupo como um todo. Essas definições avaliadas por humanos são então usadas para treinar um modelo de aprendizado de máquina personalizado, que aprende a reconhecer automaticamente os padrões associados a cada rótulo com base nas amostras fornecidas, e que pode ser continuamente refinado pelos especialistas.

“Embora o melanoma tenha sido usado como exemplo inicial, a plataforma foi aplicada com sucesso em outros tipos de câncer, demonstrando potencial para uso amplo na patologia digital. Além de apoiar o diagnóstico, a plataforma auxilia na predição de desfechos clínicos e na identificação de padrões morfológicos com relevância biológica”, acrescenta a autora Dra. Lidiane Vieira Marins.

Segundo o artigo, o PHARAOH foi pensado como uma enciclopédia colaborativa de modelos de patologia computacional, qualquer pesquisador pode enviar imagens, treinar modelos e compartilhar os resultados com a comunidade científica. A plataforma já oferece recursos integrados para segmentação de tecidos, fenotipagem celular e exportação de regiões de interesse para análises em ferramentas externas.

Testando a ferramenta para o estudo

Para testar a relevância clínica do PHARAOH, os pesquisadores calcularam um escore de infiltração de linfócitos tumorais (TILs) (células do sistema imune presentes nas bordas dos tumores) em 385 amostra disponíveis para análise no  banco de dados. A maior presença dessas células se associou a um tempo de sobrevida mediana significativamente maior (109 meses) em comparação aos pacientes com menor infiltração (66 meses). Esse achado reforça o valor prognóstico dos TILs e mostra que a plataforma pode captar sinais com relevância biológica a partir de imagens.

O sistema mostrou desempenho semelhante ao de métodos de leitura manual com uso de marcadores imunoistoquímicos, com altos índices de concordância na segmentação de tecidos, indicando que a plataforma pode ser uma alternativa confiável para acelerar pesquisas histológicas sem comprometer a precisão.