Pesquisadores da Universidade Estadual de Campinas (Unicamp) desenvolveram um novo marcador que pode ajudar a prever a evolução clínica de pacientes com câncer de estômago, o quinto tipo de tumor mais frequente no mundo. O indicador utiliza imagens de tomografia computadorizada, exame já realizado na rotina desses pacientes, e combina informações da gordura visceral e do tecido muscular para identificar casos com maior risco de progressão da doença.

O estudo foi conduzido pelo Departamento de Radiologia e Oncologia da Faculdade de Ciências Médicas (FCM) da Unicamp, em parceria com o Instituto de Física Gleb Wataghin (IFGW), com apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). Os resultados foram publicados na revista científica Clinical Nutrition ESPEN.

Avaliação vai além do tumor

Batizado de VMD (Visceral-Muscle Density Difference), o novo marcador mede a diferença entre a radiodensidade da gordura visceral e do músculo, permitindo uma avaliação mais ampla do estado clínico do paciente. Segundo os pesquisadores, a proposta é complementar o estadiamento tradicional do câncer, que hoje considera principalmente as características do tumor.

A pesquisa parte de um conceito de medicina mais personalizada, em que também são levadas em conta as condições metabólicas e inflamatórias do paciente. Para o grupo, compreender essas características pode ajudar a explicar por que pessoas com tumores no mesmo estágio apresentam evoluções tão diferentes.

Estudo analisou mais de 460 pacientes

Os pesquisadores avaliaram dados de 461 pacientes com câncer gástrico atendidos na Unicamp ao longo de quase uma década. A partir das tomografias realizadas durante o acompanhamento clínico, foram analisadas a radiodensidade da gordura visceral e da musculatura abdominal.

Com auxílio de técnicas de inteligência artificial e machine learning, a equipe testou diferentes combinações de dados até identificar a fórmula capaz de separar, com maior precisão, os pacientes de maior e menor risco.

Diferença na sobrevida

Os resultados mostraram que pacientes com valores elevados do VMD apresentaram prognóstico significativamente pior. Nesse grupo, a sobrevida mediana foi de 13,8 meses, enquanto aqueles com valores mais baixos do marcador tiveram sobrevida mediana de 58,5 meses.

Segundo os autores, alterações na radiodensidade da gordura podem indicar processos inflamatórios, enquanto mudanças no músculo refletem alterações metabólicas relacionadas ao câncer. A combinação dessas duas informações permite identificar um perfil corporal associado a maior risco clínico.

Inteligência artificial ajudou a criar o marcador

O desenvolvimento do VMD contou com ferramentas de inteligência artificial para analisar simultaneamente exames de imagem, informações clínicas e dados laboratoriais. A tecnologia permitiu identificar padrões que seriam difíceis de detectar por métodos convencionais.

Além disso, os pesquisadores utilizaram a diferença entre as medidas da gordura e do músculo para reduzir possíveis variações causadas por diferenças de calibração entre aparelhos de tomografia, tornando o marcador mais consistente.

Potencial para orientar tratamentos

Os pesquisadores avaliam que, no futuro, o VMD poderá contribuir para a definição de estratégias terapêuticas mais individualizadas. O marcador poderá auxiliar na identificação de pacientes que realmente se beneficiariam de tratamentos mais intensivos, como a quimioterapia, e daqueles que poderiam evitar terapias mais agressivas após a cirurgia.

Apesar dos resultados promissores, os autores ressaltam que o estudo é retrospectivo e ainda precisa ser validado em pesquisas prospectivas, multicêntricas e com populações maiores antes que o marcador possa ser incorporado à prática clínica.

A equipe também pretende investigar se intervenções, como a terapia nutricional, podem modificar esse perfil corporal e influenciar o prognóstico dos pacientes. Enquanto isso, o grupo já iniciou estudos para avaliar a aplicação do VMD em outros tipos de câncer, com resultados iniciais considerados promissores.