Patologia digital com topologia prevê sobrevida e resposta ao tratamento no câncer de mama

A microscopia de um tumor de mama contém mais informação do que os patologistas conseguem extrair com os olhos. Pesquisadores da Columbia University Irving Medical Center desenvolveram um método computacional que transforma a arquitetura desorganizada das células cancerosas em números precisos capazes de prever quanto tempo um paciente viverá e como seu corpo responderá ao tratamento. O trabalho, publicado na revista Cancer Research, representa uma mudança fundamental: converter aquilo que patologistas avaliam há décadas de forma subjetiva em medidas matemáticas contínuas e objetivas.

A desorganização celular sempre foi um sinal de malignidade. Quando o câncer de mama se desenvolve, as células perdem a arquitetura ordenada do tecido normal. Essa perda de estrutura contribui para o grau histológico, aquela classificação em números que aparece no laudo de patologia. Mas o grau histológico tem um problema: é semiquantitativo, o que significa que depende do julgamento do observador. Dois patologistas podem discordar sobre se um tumor é grau 2 ou grau 3, especialmente nos casos intermediários. O novo método usa homologia persistente, uma técnica matemática que examina não apenas quantas células de cada tipo existem, mas como elas se organizam e se relacionam em diferentes escalas espaciais.

Os pesquisadores analisaram imagens de imunofluorescência multiplexada de mais de 550 pacientes com câncer de mama de uma coorte racialmente diversa da Carolina do Norte. Essas imagens mostram as coordenadas exatas de células tumorais, células imunes e áreas que expressam PD-L1, uma proteína importante na resposta imune. Um algoritmo converteu esses padrões espaciais em escores contínuos de organização tecidual. O resultado foi claro: pacientes cujos tumores apresentavam arquitetura mais organizada viveram mais tempo. Aqueles com tumores mais desorganizados tiveram piores desfechos. Quando combinados com características celulares básicas, os escores topológicos alcançaram um índice de concordância de aproximadamente 0,67 para prever sobrevida, uma medida que indica capacidade relevante de ordenar pacientes segundo o risco real.

O que impressionou os pesquisadores foi o desempenho comparativo. As medidas espaciais e topológicas funcionaram tão bem quanto ou melhor do que marcadores clínicos, proteicos e moleculares já estabelecidos. Mais importante ainda, mostraram menor variação de precisão entre pacientes negros não hispânicos e brancos não hispânicos, um resultado que merece atenção porque modelos prognósticos frequentemente funcionam pior em populações pouco representadas nos estudos originais. Essa consistência entre grupos é promissora, embora ainda precise ser confirmada em coortes independentes com maior diversidade geográfica e demográfica.

Os pesquisadores também integraram os escores topológicos a dados de expressão gênica e construíram assinaturas moleculares derivadas da arquitetura tumoral. Essas assinaturas mostraram capacidade de discriminar respostas terapêuticas em conjuntos independentes de estudos clínicos. A análise transcriptômica revelou que escores topológicos baixos se associavam a vias envolvidas em alterações metabólicas, supressão imune e transição epitélio-mesênquima, o processo pelo qual células tumorais adquirem propriedades invasivas. Um mecanismo específico emergiu: a enzima metabólica IL4I1, ligada à ativação do receptor de hidrocarboneto de arila. Trabalhos anteriores associaram esse eixo à modulação da resposta imune e à progressão tumoral. No novo estudo, surgiu como possível conexão entre metabolismo, microambiente imune e desorganização estrutural, uma associação biológica que gera novas hipóteses sem ainda comprovar benefício terapêutico.

Esse trabalho não é isolado. Em 2024, a revista Nature Medicine publicou a Histomic Prognostic Signature, ou HiPS, um modelo que usa aprendizado profundo para medir componentes epiteliais, estromais e imunes em imagens de câncer de mama. Embora HiPS e os novos escores topológicos usem estratégias matemáticas diferentes, convergem em uma conclusão: a informação relevante da histologia não se restringe à aparência das células malignas. A disposição espacial do tumor, do estroma e dos elementos imunes participa do comportamento clínico da doença. A contribuição específica da topologia está em representar essa organização por meio de descritores matemáticos contínuos, o que pode favorecer modelos interpretáveis nos quais o resultado mantém relação direta com o grau de ordenação ou fragmentação da arquitetura.

Mas há um caminho ainda a percorrer. A metodologia foi desenvolvida com imunofluorescência multiplexada, uma técnica sofisticada que exige instrumentação, reagentes e capacidade computacional não disponíveis em todos os laboratórios. Os pesquisadores trabalham na adaptação para lâminas coradas por H&E, o método de rotina usado em praticamente todo serviço de patologia. Essa transição ampliaria a aplicabilidade, reduziria custos e permitiria o processamento retrospectivo de grandes acervos digitalizados. Mas exigirá cautela. Antes da implementação clínica, o algoritmo precisará demonstrar robustez diante de diferenças de fixação, processamento histológico, coloração, equipamentos de digitalização e segmentação celular. Será necessário definir limites interpretativos, calibração de risco e reprodutibilidade entre laboratórios.

Os autores são claros: essa abordagem não substitui a avaliação do patologista, a classificação molecular, o estadiamento ou os testes genômicos já incorporados ao câncer de mama. Seu valor potencial está em acrescentar uma camada quantitativa à leitura da arquitetura tumoral e integrar essa informação a dados clínicos, imunohistoquímicos e moleculares. A principal contribuição, neste momento, é demonstrar que a arquitetura do câncer de mama pode ser formalizada matematicamente e transformada em uma variável mensurável. Validações adicionais e estudos clínicos prospectivos serão necessários antes que o método entre na rotina diagnóstica, mas a possibilidade concreta de modelos prognósticos mais objetivos está agora ao alcance.