# Um modelo de dinâmica tumoral combinado com aprendizado de máquina pode prever precocemente resposta e sobrevida em pacientes com carcinoma espinocelular de cabeça e pescoço recorrente/metastático tratados com imunoterapia?

> Sim. O método combinou aprendizado de máquina com modelagem de dados longitudinais de tamanho tumoral e previu resposta global e sobrevida em 6 meses com alta acurácia a partir de dados iniciais. A validação externa manteve áreas sob a curva ROC de 0,97 para resposta e 0,85 para sobrevida em 6 meses com 24 semanas de dados.

Estudo citado: González-García I, Pierre V, Dubois VFS, Morsli N, Spencer S, Baverel PG et al.. Early predictions of response and survival from a tumor dynamics model in patients with recurrent, metastatic head and neck squamous cell carcinoma treated with immunotherapy. CPT: pharmacometrics & systems pharmacology. 2021. DOI: https://doi.org/10.1002/psp4.12594. PubMed: https://pubmed.ncbi.nlm.nih.gov/33465293/

## Resposta

O estudo desenvolveu e avaliou um método para prever precocemente a melhor resposta global (BOR) e a sobrevida global em 6 meses (OS6) em pacientes com câncer tratados com imunoterapia. A abordagem combina aprendizado de máquina com modelagem de dados longitudinais de tamanho tumoral, aplicada a pacientes com carcinoma espinocelular de cabeça e pescoço recorrente/metastático expostos a durvalumabe.

Para seleção do modelo, foi utilizada validação cruzada de cinco dobras, que resultou em taxas médias de erro de classificação de 5,99% (IC 90% 2,98%-7,50%) para BOR e 19,8% (IC 90% 15,8%-39,3%) para OS6. Esses resultados indicam boa capacidade preditiva já nas fases iniciais do tratamento.

Na validação com dados de um estudo independente, com diferentes graus de truncamento de dados, as áreas sob a curva ROC foram preservadas para BOR (0,97, 0,97 e 0,94) e para OS6 (0,85, 0,84 e 0,82) em 24, 18 e 12 semanas, respectivamente. Isso sugere que o modelo mantém desempenho mesmo com menos dados disponíveis.

Os autores concluem que o método pode prever desfechos de estudos clínicos com precisão a partir de dados iniciais e poderia ser usado para auxiliar o desenvolvimento de fármacos. A aplicação clínica direta ainda requer validação prospectiva, mas a metodologia mostra-se promissora para apoiar decisões terapêuticas precoces.

Para o médico, o estudo reforça o potencial de ferramentas de modelagem para identificar precocemente pacientes com maior ou menor probabilidade de resposta à imunoterapia, o que pode influenciar a prática clínica e a gestão de recursos no consultório.

## O que o estudo mostrou

Estudo de desenvolvimento e validação de um método que combina aprendizado de máquina com modelagem de dados longitudinais de tamanho tumoral para prever BOR e OS6 em pacientes com carcinoma espinocelular de cabeça e pescoço recorrente/metastático tratados com durvalumabe. A amostra não é informada no resumo. A validação cruzada de cinco dobras mostrou taxas de erro de classificação de 5,99% para BOR e 19,8% para OS6. Na validação independente, as áreas sob a curva ROC foram 0,97, 0,97 e 0,94 para BOR e 0,85, 0,84 e 0,82 para OS6 em 24, 18 e 12 semanas, respectivamente.

## Limitações

O resumo não informa o tamanho da amostra, o desenho detalhado do estudo, nem as características dos pacientes. A validação foi retrospectiva, com dados de um único estudo independente, e não há informação sobre validação prospectiva. Os resultados se aplicam especificamente a pacientes com carcinoma espinocelular de cabeça e pescoço recorrente/metastático tratados com durvalumabe, não sendo generalizáveis para outras populações ou tratamentos sem estudos adicionais.

## Aplicação no consultório

O método ainda não está disponível para uso clínico rotineiro, mas sinaliza para o médico a importância de coletar e registrar medidas seriadas do tamanho tumoral durante o tratamento com imunoterapia. Esses dados podem, no futuro, alimentar modelos preditivos que auxiliem na identificação precoce de respondedores e não respondedores, otimizando a seleção de terapias e o acompanhamento. Na gestão do consultório, isso reforça a necessidade de infraestrutura para captura estruturada de dados de imagem e desfechos, além de acompanhamento longitudinal organizado.

## Perguntas para aprofundar

- Como o modelo de dinâmica tumoral se compara a outros métodos de predição de resposta à imunoterapia?
- Quais são os requisitos mínimos de dados longitudinais para aplicar esse modelo na prática clínica?
- O modelo foi validado em outras populações de pacientes oncológicos além do carcinoma de cabeça e pescoço?

Tema: IA na descoberta de fármacos. Página: https://alphadoctor.com.br/ciencia/ia-descoberta-farmacos/um-modelo-de-dinamica-tumoral-combinado-com-aprendizado-de-maquina-pode-prever/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.