As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
A patient's tumor is a battlefield, and immunotherapy asks the body's own immune system to win it. When the drug works, the effect can last for years. When it does not, the patient has paid for a treatment that cannot help, and has lost time that could have gone to another therapy. A team at Pohang University of Science and Technology (POSTECH) has now built an artificial intelligence method that tries to tell these two outcomes apart before the first dose.
O tumor de um doente é um campo de batalha, e a imunoterapia pede ao próprio sistema imunitário do corpo que vença essa batalha. Quando o medicamento funciona, o efeito pode prolongar-se por anos. Quando não funciona, o doente pagou por um tratamento que não pode ajudar e perdeu tempo que poderia ter sido dedicado a outra terapêutica. Uma equipa da Universidade de Ciência e Tecnologia de Pohang (POSTECH) criou agora um método de inteligência artificial que procura distinguir estes dois desfechos antes da primeira dose.
The method comes from a group led by professor Sanguk Kim of the Department of Life Sciences, with Minsoo Kim, an integrated MS-Ph.D. student at the Graduate School of Artificial Intelligence. It analyzes genetic information from cancer patients to predict their response to immunotherapy, and the results were published in npj Digital Medicine. The central target is the senescent cell, an aged cell that the authors describe as a troublemaker in the tumor's surroundings: it quietly suppresses immune cells. Clinicians find that environment hard to read case by case, which is why researchers have turned to AI.
O método provém de um grupo liderado pelo professor Sanguk Kim, do Departamento de Ciências da Vida, com Minsoo Kim, estudante do programa integrado de mestrado e doutoramento na Escola de Pós-Graduação em Inteligência Artificial. Analisa a informação genética de doentes com cancro para prever a sua resposta à imunoterapia, e os resultados foram publicados na npj Digital Medicine. O alvo central é a célula senescente, uma célula envelhecida que os autores descrevem como um elemento perturbador no meio envolvente do tumor: suprime discretamente as células imunitárias. Os clínicos têm dificuldade em interpretar caso a caso este ambiente, e por isso os investigadores recorreram à IA.
The obstacle is data. A cancer study typically includes relatively few patients, while the genetic information to analyze per patient is enormous. An AI trained that way can memorize its training group and fail on new patients, like a student who knows the practice questions by heart. The POSTECH team changed the order of operations. It first identified tumors with a senescent microenvironment in which immune activity was suppressed, then progressively stratified patients to judge whether they were likely to respond. The authors say this stepwise approach kept the AI from becoming biased toward one patient group.
O obstáculo são os dados. Um estudo sobre o cancro inclui normalmente relativamente poucos doentes, ao passo que a informação genética a analisar por doente é enorme. Uma IA treinada desta forma pode memorizar o grupo de treino e falhar com novos doentes, à semelhança de um estudante que decora as perguntas dos exercícios. A equipa da POSTECH alterou a ordem das operações. Identificou primeiro os tumores com um microambiente senescente, em que a atividade imunitária estava suprimida, e depois estratificou progressivamente os doentes para avaliar se era provável que respondessem. Os autores afirmam que esta abordagem por etapas impediu a IA de enviesar-se em relação a um único grupo de doentes.
The results are the team's own. The method outperformed biomarkers currently used in clinical practice in predicting treatment response across four cancer types, including skin cancer, and six patient cohorts. Against other existing prediction methods, it also gave consistent results in an independent skin cancer cohort that was not part of its training. Sanguk Kim said that taking cellular senescence into account "could help more cancer patients benefit from immunotherapy in the future."
Os resultados são da própria equipa. O método superou os biomarcadores atualmente usados na prática clínica na previsão da resposta ao tratamento em quatro tipos de cancro, incluindo o cancro da pele, e seis coortes de doentes. Face a outros métodos de previsão existentes, deu também resultados consistentes numa coorte independente de cancro da pele que não fez parte do treino. Sanguit Kim afirmou que ter em conta a senescência celular «poderá ajudar mais doentes com cancro a beneficiar da imunoterapia no futuro».
For oncologists, the immediate gain would be a prediction made in advance, from a patient's own genetic data, about whether immunotherapy is worth starting. The authors describe this as a step toward personalized cancer treatment, in which the same cancer may call for different treatments in different patients. The study gives no date for use in hospitals, and the team says it will run follow-up studies to model the tumor environment more precisely. Until those studies and independent use confirm the method, its benefit remains a prospect for patients, not a practice.
Para os oncologistas, o ganho imediato seria uma previsão feita antecipadamente, a partir dos próprios dados genéticos do doente, sobre se vale a pena iniciar a imunoterapia. Os autores descrevem isto como um passo em direção ao tratamento personalizado do cancro, em que o mesmo cancro pode exigir tratamentos diferentes em doentes diferentes. O estudo não indica qualquer data para a utilização nos hospitais, e a equipa diz que realizará estudos de seguimento para modelar o ambiente tumoral com maior precisão. Até que esses estudos e uma utilização independente confirmem o método, o seu benefício continua a ser uma perspetiva para os doentes, e não uma prática.