Ambispective clinical study for the development of artificial intelligence models using routine blood biomarkers to support early identification of Breast Cancer

• Grant number: 24/04700-1
• Support Opportunities: Scholarships in Brazil - Innovative Research in Small Business - PIPE
• Start date: March 01, 2024
• End date: February 28, 2026
• Field of knowledge: Physical Sciences and Mathematics - Computer Science - Computing Methodologies and Techniques
• Principal Investigator: Marco Aurelio Kohara
• Grantee: Marco Aurelio Kohara
• Company: Huna Ltda
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais ; Atividades de serviços de complementação diagnóstica e terapêutica
• Associated research grant: 23/14898-0 - Ambispective clinical study to develop artificial intelligence models using routine blood biomarkers to support the early identification of breast cancer., AP.PIPE

Abstract

Machine Learning (ML) tem emergido como uma ferramenta essencial para identificar padrões complexos em exames de sangue, possibilitando a transformação de testes não-específicos em ferramentas precisas para o diagnóstico de múltiplas doenças. Neste contexto, propomos a integração de diversos marcadores sanguíneos de rotina em um painel robusto auxiliado por Inteligência Artificial (IA), com o intuito de avaliar o risco de câncer de mama na faixa etária de 40 a 70 anos. Esta pesquisa se destaca como pioneiro estudo transversal a utilizar métodos de ML na criação, avaliação e validação de um modelo que explora as relações não-lineares entre biomarcadores sanguíneos de rotina, a fim de aperfeiçoar o processo de rastreamento do câncer de mama.O objetivo central deste projeto reside na elaboração de um modelo de IA confiável, capaz de identificar o câncer de mama a partir de exames de sangue de rotina. A implementação bem-sucedida deste modelo pode resultar em uma ferramenta de triagem acessível e escalável, direcionando intervenções clínicas precoces para mulheres com alto risco. Acreditamos que essa abordagem tem o potencial de otimizar o rastreamento do câncer de mama em regiões com recursos limitados, contribuindo para a detecção precoce, tratamento eficaz e melhoria dos desfechos clínicos.Apesar das limitações iniciais, tais como ausência de validação externa e incompletude das informações sobre comorbidades, a pesquisa realizada durante a vigência do Fase 1/PIPE revelou resultados promissores na personalização da estratificação de risco. Desta forma, supomos que a perspectiva de aprimorar significativamente a eficácia e eficiência do rastreamento do câncer de mama em populações com recursos limitados é potencialmente relevante. Nesse sentido, propomos investigações adicionais na Fase 2/PIPE indireta, incluindo a incorporação de novos biomarcadores sanguíneos para mitigar possíveis vieses e confirmar a utilidade clínica do modelo proposto; e ampliar a casuística, repetindo metodologia firmadas na Fase 1, a fim de validar externamente o modelo criado para, assim, paralelamente realizar as Provas de Conceitos com os parceiros comerciais. Tais investigações serão conduzidas em colaboração com o Hospital de Amor de Barretos, Grupo Fleury, Instituto Hermes Pardini, cooperativas do sistema Unimed e Grupo Hapvida NotreDame Intermédica (HNDI) visando fortalecer a base de conhecimento científico visando, significativamente, contribuir para a área de detecção precoce do câncer de mama. (AU)