Estudo clínico ambispectivo para desenvolvimento de modelos de inteligência artificial com o uso de biomarcadores sanguíneos de rotina para suporte à identificação precoce do Câncer de Mama

• Processo: 24/04700-1
• Modalidade de apoio: Bolsas no Brasil - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de março de 2024
• Data de Término da vigência: 28 de fevereiro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Marco Aurelio Kohara
• Beneficiário: Marco Aurelio Kohara
• Empresa: Huna Ltda
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais ; Atividades de serviços de complementação diagnóstica e terapêutica
• Vinculado ao auxílio: 23/14898-0 - Estudo clínico ambispectivo para desenvolvimento de modelos de inteligência artificial com o uso de Biomarcadores Sanguíneos de rotina para suporte à identificação precoce do Câncer de Mama., AP.PIPE
• Assunto(s): Inteligência artificial Aprendizado computacional Rastreamento Neoplasias mamárias Biomarcadores
• Palavra(s)-Chave do Pesquisador: Câncer de mama | machine learning | marcadores sanguíneos | Rastreamento | Inteligência Artificial - Aprendizado de Máquina

Resumo

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)