Médicos que tratam leucemia mieloide aguda ainda não têm uma forma confiável de saber, antes do início do tratamento, se o câncer de um paciente cederá à quimioterapia. Um novo estudo do King's College London aponta para uma fonte inesperada de pistas: fragmentos de vírus antigos que se tornaram residentes permanentes do genoma humano milhões de anos atrás. De acordo com a pesquisa, publicada na Blood Neoplasia, fornecer informações sobre esses vestígios virais a modelos de aprendizado de máquina tornou os modelos visivelmente melhores em prever quem responderia ao tratamento.
Um câncer no sangue que resiste a respostas fáceis
A leucemia mieloide aguda, ou LMA, começa na medula óssea, onde o corpo produz células sanguíneas. É um câncer agressivo, e a quimioterapia continua sendo parte central do tratamento padrão. No entanto, o quadro clínico é frustrantemente incerto. Mesmo após realizar múltiplos exames, os médicos não conseguem afirmar com confiança quais pacientes alcançarão remissão e quais não.
Uma parcela significativa dos pacientes desenvolve o que é conhecido como LMA refratária. Esses indivíduos passam pela quimioterapia, mas nunca atingem remissão completa, o que significa que a doença persiste apesar do tratamento. Identificar esses pacientes com antecedência permitiria às equipes de cuidado considerar estratégias diferentes mais cedo, poupar as pessoas dos efeitos colaterais de uma terapia com pouca probabilidade de funcionar e direcioná-las a alternativas mais rapidamente. Essa lacuna entre o que os médicos podem medir e o que podem prever é exatamente o que a equipe do King's College London se propôs a fechar.
Construindo modelos que aprendem com muitos tipos de dados
Os pesquisadores recorreram ao aprendizado de máquina, construindo três modelos multicamadas e treinando cada um com conjuntos de informações progressivamente mais ricos. Em vez de depender de uma única medição ou de um único resultado de exame, a abordagem permitiu à equipe testar se adicionar novas categorias de dados melhorava o desempenho preditivo.
O estudo utilizou registros de 271 pacientes com LMA que receberam quimioterapia padrão. Os dados abrangeram vários domínios:
- Informações clínicas coletadas no curso do cuidado de rotina
- Medições biológicas e moleculares que descrevem a doença dos pacientes
- Dados que descrevem a atividade de retrovírus endógenos, ou ERVs, as sequências virais herdadas incorporadas ao genoma
Ao sobrepor essas fontes, a equipe pôde observar o que cada adição contribuía. A versão que incorporou o comportamento dos ERVs superou as iterações anteriores, sugerindo que a atividade dessas sequências antigas carrega informações sobre a resposta ao tratamento que os dados convencionais sozinhos não capturam.
O que são retrovírus endógenos?
Fósseis de infecções há muito passadas
Os ERVs são o resíduo genético de vírus que infectaram nossos ancestrais evolutivos milhões de anos atrás. Com o tempo, essas sequências virais foram copiadas para a linhagem germinativa e transmitidas por gerações, tornando-se parte permanente do DNA humano. Elas ficam nas regiões não codificantes do genoma — seções que não instruem diretamente a construção de proteínas. Parte desse território permanece pouco compreendida e às vezes é informalmente chamada de "genoma escuro".
Essas sequências não são meros detritos inertes. Os ERVs podem influenciar uma série de processos biológicos, incluindo quais genes são ativados e como a sinalização imunológica é conduzida. Sua presença no genoma significa que eles mantêm o potencial de afetar como uma célula se comporta, mesmo que não produzam mais um vírus funcional.
Mimetismo viral e as raízes da resistência
As descobertas da equipe apontam para um mecanismo que os pesquisadores chamam de "mimetismo viral". Nesse cenário, uma célula se comporta como se uma infecção viral estivesse em andamento, mesmo quando nenhuma existe. A resposta mal direcionada pode desencadear sinalização imunológica e inflamatória, e os pesquisadores sugerem que essa atividade pode ajudar a sustentar o estado resistente ao tratamento observado em algumas células de LMA.
Em outras palavras, as próprias sequências que um dia marcaram infecções antigas podem contribuir para um problema contemporâneo: células de leucemia que sobrevivem à quimioterapia. A associação que a equipe observou entre o comportamento relacionado aos ERVs e a má resposta ao tratamento se encaixa nessa ideia, embora o estudo estabeleça uma relação, e não uma causa.
O que melhorou — e o que isso significa
Dois resultados se destacam do trabalho de modelagem. Primeiro, o comportamento de sequências virais antigas no genoma foi associado a uma má resposta à quimioterapia. Segundo, quando essa informação sobre ERVs foi combinada com os outros dados clínicos e biológicos, a capacidade do modelo de identificar quem responderia ao tratamento melhorou.
O modelo final também produziu menos falsos positivos do que as alternativas. Um falso positivo, nesse contexto, significa que o modelo previu que um paciente teria LMA refratária quando essa pessoa poderia, na verdade, ter respondido ao tratamento. Reduzir esses erros importa, porque uma previsão que descarta erroneamente a quimioterapia poderia afastar um paciente de um tratamento que teria ajudado.
Questões que permanecem abertas
Os pesquisadores são cautelosos quanto aos limites de seus resultados. Uma questão-chave não resolvida é se a atividade dos ERVs causa diretamente a resistência à quimioterapia ou se apenas a acompanha como um marcador de algum processo mais profundo. Responder a isso exige mais pesquisas. Se a relação for causal, os vestígios virais poderiam eventualmente se tornar um alvo para novas intervenções. Se for um marcador, as sequências ainda poderiam servir como um sinal preditivo útil.
O estudo também envolveu um grupo definido de 271 pacientes recebendo quimioterapia padrão, e modelos de aprendizado de máquina são tão robustos quanto os dados usados para treiná-los e validá-los. Uma validação mais ampla em populações de pacientes maiores e mais variadas seria necessária antes que qualquer parte disso chegue ao uso clínico de rotina.
Por que a descoberta importa
A LMA é uma doença em que o momento e a escolha do tratamento trazem consequências reais. Uma ferramenta que ajude os clínicos a antecipar a doença refratária — mesmo que de forma imperfeita — poderia eventualmente mudar como o cuidado é planejado, direcionando os pacientes a alternativas mais cedo e poupando outros da exposição desnecessária a terapias com pouca probabilidade de trazer remissão.
Talvez o aspecto mais marcante do trabalho seja onde o sinal foi encontrado. A herança viral do genoma, há muito descartada como entulho evolutivo escondido em trechos não codificantes do DNA, parece conter informações relevantes para como um câncer no sangue responde ao tratamento. Isso reenquadra o "genoma escuro" como algo mais próximo de um arquivo legível — que o aprendizado de máquina pode finalmente estar equipado para interpretar.
Este artigo é baseado em reportagem do Medical Xpress. Leia o artigo original.
Originally published on medicalxpress.com
