Berlim (LabNews Media LLC) – Um novo modelo de IA da Charité – Universitätsmedizin Berlin classifica tumores cerebrais com 99,1% de precisão com base em sua impressão digital epigenética, inclusive a partir do líquido cefalorraquidiano, permitindo diagnósticos precisos sem biópsias arriscadas. Publicado na Nature Cancer (DOI: 10.1038/s43018-025-00976-5), o modelo “crossNN” pode mudar a medicina do câncer, identificando mais de 170 tipos de tumores com 97,8% de precisão. Estudos clínicos estão planejados.
O modelo, desenvolvido com o Consórcio Alemão para Pesquisa Translacional do Câncer (DKTK) e o Berlin Institute of Health (BIH), utiliza modificações epigenéticas – interruptores químicos de ligar e desligar no genoma – que caracterizam tumores. “Esses padrões são uma impressão digital inconfundível”, explica o líder do estudo PD Dr. Philipp Euskirchen. Especialmente em tumores cerebrais, uma biópsia líquida do líquido cefalorraquidiano permite o diagnóstico não invasivo. O modelo, treinado com milhares de tumores de referência e validado em mais de 5.000 amostras, supera as abordagens de IA anteriores e permanece explicável, o que é crucial para aprovações clínicas.
Análises convencionais de tecido são frequentemente arriscadas ou imprecisas, especialmente em tumores localizados em posições desfavoráveis. Um exemplo é um paciente com visão dupla, onde uma amostra de líquido cefalorraquidiano por sequenciamento Nanopore revelou um linfoma do sistema nervoso central, permitindo quimioterapia imediata. “O crossNN fornece diagnósticos mais rápidos e precisos”, diz o bioinformata Dr. Sören Lukassen. O modelo é adequado para tumores de todos os órgãos e pode encontrar aplicações intraoperatórias.
A Charité planeja, juntamente com o DKTK, estudos clínicos em oito locais para integrar o crossNN à rotina de atendimento. “Diagnósticos precisos são essenciais para terapias personalizadas contra o câncer”, enfatiza o Prof. Martin E. Kreis. O método pode melhorar o tratamento de tumores raros e tornar os cuidados de saúde mais eficientes em termos de custo.
Publicação original:
*Yuan D et al. cossNN é uma estrutura explicável para classificação de tumores baseada em metilação de DNA entre plataformas. Nature Cancer. 2025 06 de junho. doi: 10.1038/s43018-025-00976-5
