O cancro colorretal é a segunda principal causa de morte por cancro no mundo. Se for detetado precocemente, pode ser tratado de forma eficiente, mas o custo e o desconforto das colonoscopias, o principal método de diagnóstico atualmente em uso, resultam frequentemente em diagnósticos tardios. Utilizando algoritmos de aprendizagem automática, uma equipa da Universidade de Genebra (UNIGE) identificou, pela primeira vez, todas as bactérias intestinais humanas com um nível de detalhe que permite compreender a importância dos diferentes subgrupos microbianos, um inventário que foi depois utilizado para detetar a presença de cancro colorretal de acordo com as bactérias presentes em amostras simples de fezes, uma ferramenta de rastreio não invasiva e de baixo custo.
O cancro colorretal é frequentemente diagnosticado numa fase avançada, quando as opções de tratamento são limitadas, o que reforça a necessidade de ferramentas de diagnóstico mais simples e menos invasivas, sobretudo perante um aumento ainda inexplicável de casos entre os jovens adultos.
Embora há muoto se saiba que a microbiota intestinal desempenha um papel no desenvolvimento do cancro colorretal, traduzir estas descobertas para a prática clínica tem-se revelado desafiante. Isto porque diferentes estirpes da mesma espécie bacteriana podem ter efeitos opostos, com algumas a promover a doença e outras sem efeito.
“Em vez de nos basearmos na análise das várias espécies que compõem a microbiota, que não capta todas as diferenças significativas, ou das estirpes bacterianas, que variam muito de um indivíduo para outro, focamo-nos num nível intermédio, as subespécies”, explica Mirko Trajkovski, professor do Departamento de Fisiologia Celular e Metabolismo e do Centro de Diabetes da Faculdade de Medicina da UNIGE, que liderou esta investigação.
“A resolução de subespécies é específica e pode captar as diferenças na forma como as bactérias funcionam e contribuem para doenças, incluindo o cancro, permanecendo suficientemente geral para detetar estas alterações entre diferentes grupos de indivíduos, populações ou países.”
O papel da aprendizagem de máquina
O primeiro passo foi analisar enormes quantidades de dados. “Enquanto bioinformata, o desafio foi criar uma abordagem inovadora para a análise de dados em massa”, recorda Matija Trickovic, primeira autora deste estudo. “Desenvolvemos com sucesso o primeiro catálogo abrangente de subespécies da microbiota intestinal humana, juntamente com um método preciso e eficiente para utilização tanto em investigação como na clínica.”
Ao combinar este catálogo com os dados clínicos existentes, os cientistas desenvolveram um modelo que pode prever a presença de cancro colorretal com base apenas nas bactérias presentes nas amostras de fezes.
“Embora estivéssemos confiantes na nossa estratégia, os resultados foram impressionantes”, refere Matija Trickovic. “O nosso método detetou 90% dos casos de cancro, um resultado muito próximo da taxa de deteção de 94% alcançada pelas colonoscopias e melhor do que todos os métodos de deteção não invasivos atuais.”
Ao integrar mais dados clínicos, este modelo pode tornar-se ainda mais preciso e igualar a precisão da colonoscopia. Poderia tornar-se uma ferramenta de rastreio de rotina e facilitar a deteção precoce do cancro colorretal, que seria depois confirmado por colonoscopia, mas apenas num grupo selecionado de doentes.
Um novo mundo de aplicações
Um primeiro ensaio clínico está a ser realizado em colaboração com os Hospitais Universitários de Genebra para determinar com maior precisão os estádios do cancro e as lesões que podem ser detetadas. No entanto, as aplicações vão além do cancro colorretal.
Ao estudar as diferenças entre subespécies da mesma espécie bacteriana, os investigadores podem agora identificar os mecanismos de ação através dos quais a microbiota intestinal influencia a saúde humana. “O mesmo método poderá ser utilizado em breve para desenvolver ferramentas de diagnóstico não invasivas para uma vasta gama de doenças, todas baseadas numa única análise da microbiota”, conclui Mirko Trajkovski.
