IA descomplica análise de tecidos cancerígenos

Um grupo de pesquisadores da Universidade do Arizona, nos Estados Unidos, desenvolveu um método inovador para a identificação de fenótipos em tecidos cancerígenos, utilizando, exclusivamente, imagens obtidas por microscopia óptica sem marcadores e algoritmos de inteligência artificial (IA) baseados em aprendizado profundo. A técnica, descrita em artigo publicado na revista Biophotonics Discovery, foi aplicada ao câncer de pâncreas  uma das formas mais letais da doença e obteve uma taxa de acerto superior a 89% na identificação de padrões fenotípicos, sem necessidade de coloração, marcadores químicos ou sequenciamento genético.

Siga o canal do Correio no WhatsApp e receba as principais notícias do dia no seu celular

Esse avanço promete redefinir a forma como os médicos e cientistas interpretam tecidos biológicos e diagnosticam condições específicas. A descoberta está alinhada com os princípios da medicina de precisão, que busca personalizar o tratamento médico de acordo com as características biológicas específicas de cada paciente. Atualmente, a determinação de fenótipos celulares — ou seja, a identificação das características observáveis de células afetadas por doenças — depende de testes dispendiosos, como imunohistoquímica, sequenciamento genético ou ensaios moleculares complexos. Esses procedimentos, embora eficazes, são inacessíveis para muitos pacientes devido ao alto custo, à complexidade técnica e à necessidade de infraestrutura especializada.

A solução proposta pela equipe norte-americana utiliza uma combinação de tecnologias ópticas e inteligência artificial para contornar essas limitações. O primeiro passo envolve a utilização de microscopia sem marcadores — uma técnica que dispensa o uso de corantes e explora propriedades ópticas naturais dos tecidos. Nessa abordagem, os pesquisadores capturam imagens de amostras biológicas com base em duas respostas ópticas principais: a autofluorescência (emissão natural de luz por biomoléculas) e a geração de segundo harmônico (um fenômeno óptico não linear associado à presença de colágeno, componente fundamental da matriz extracelular).

Em seguida, essas imagens são alinhadas com dados obtidos por transcriptômica espacial — técnica que mapeia a expressão gênica diretamente sobre o tecido, revelando como os genes se comportam em diferentes regiões. Esses mapas servem como referência para treinar um modelo de rede neural profunda, que aprende a reconhecer padrões visuais associados a fenótipos específicos.

Uma vez treinado, o algoritmo é capaz de classificar novos tecidos apenas com base nas imagens ópticas, dispensando completamente os dados genéticos adicionais. O resultado é uma ferramenta de diagnóstico automatizada, rápida, de baixo custo e com precisão próxima à dos métodos convencionais.

O estudo também comparou o desempenho da IA com técnicas tradicionais de análise de imagem. Os métodos convencionais — baseados em análise morfológica, segmentação de estruturas ou extração manual de características — foram incapazes de prever os fenótipos com a mesma eficácia. Isso reforça o papel essencial da inteligência artificial no processo, ao permitir a detecção de padrões sutis e complexos que escapam à observação humana e aos algoritmos clássicos.

Essa capacidade de correlacionar sinais ópticos com fenótipos moleculares sem a intervenção de reagentes químicos representa um avanço importante na integração entre biotecnologia, engenharia óptica e ciência de dados. Trata-se de uma das primeiras investigações a explorar, de forma direta e com sucesso, a interface entre imagens ópticas não invasivas e perfis genômicos espaciais, sinalizando o surgimento de uma nova geração de ferramentas diagnósticas.