Uma das principais causas de morte entre as mulheres no mundo é o câncer de mama. De fato, segundo a Organização Pan-Americana da Saúde (OPAS), a cada ano são detectados mais de 220 mil novos casos somente na América Latina e no Caribe, e cerca de 60 mil mulheres morrem por essa causa, metade delas antes de completar 65 anos. Nesse contexto, a pergunta feita por uma equipe multidisciplinar mexicana é mais do que relevante: será que podemos encontrar “marcas biológicas” do câncer de mama em uma amostra de sangue e usá-las para identificar mulheres com risco de desenvolver a doença antes que sintomas ou sinais evidentes apareçam?
O câncer de mama é um dos principais desafios de saúde pública na América Latina. Detectá-lo a tempo pode fazer a diferença entre um tratamento bem-sucedido e um diagnóstico tardio. No entanto, muitas mulheres na América Latina enfrentam barreiras de acesso a exames especializados, especialmente em regiões com menos recursos. Com esse desafio em mente, uma equipe de pesquisadores do Hospital Regional de Alta Especialidade de Ixtapaluca e da Faculdade de Medicina do México decidiu buscar uma alternativa mais rápida, acessível e econômica para identificar o risco de câncer de mama.
A iniciativa foi uma das cinco selecionadas para participar do programa Early Adopters BIO+IA, que, impulsionado pela RedCLARA no âmbito do BELLA II, busca levar recursos avançados de inteligência artificial e bioinformática a equipes científicas da América Latina e do Caribe.
Um desafio científico com impacto social
O objetivo do projeto é desenvolver um sistema que ajude a identificar o risco de câncer de mama a partir de sinais biológicos presentes no sangue. Para isso, os pesquisadores estudam minúsculas partículas chamadas vesículas extracelulares, que são liberadas pelas células e contêm informações sobre o que ocorre dentro do organismo.
A ideia dos especialistas mexicanos é encontrar padrões ou “marcas moleculares” que permitam detectar sinais associados ao câncer antes mesmo que surjam sintomas evidentes. No futuro, isso poderia facilitar que mais mulheres fossem encaminhadas precocemente para exames especializados e recebessem atendimento oportuno. Para isso, os pesquisadores combinaram biologia molecular, análise proteômica, bioinformática e modelos de inteligência artificial com o objetivo de descobrir biomarcadores capazes de se tornar a base de um futuro “Score de Risco Molecular” para apoiar a tomada de decisões clínicas.
O valor potencial dessa proposta é particularmente relevante para populações vulneráveis e regiões com infraestrutura de saúde limitada, onde o acesso a tecnologias de diagnóstico especializado costuma ser mais restrito.
A contribuição do programa Early Adopters BIO+IA
A participação no Early Adopters BIO+IA permitiu que a equipe tivesse acesso a um ambiente regional de experimentação projetado para acelerar processos de pesquisa por meio do uso de inteligência artificial aplicada à bioinformática. O programa ofereceu treinamento especializado, acompanhamento técnico e acesso ao testbed de Bioinformática e Inteligência Artificial do BELLA II durante oito semanas de trabalho intensivo.
Segundo a Dra. Mónica Sierra Martínez, coordenadora do projeto: “Decidimos nos inscrever no programa Early Adopters porque nossa proposta busca desenvolver um sistema de triagem molecular rápido e de baixo custo para identificar o risco de câncer de mama em mulheres vulneráveis. O que foi realmente valioso nesse testbed para nossa equipe foi a oportunidade de integrar ferramentas bioinformáticas e modelos de Inteligência Artificial para processar grandes volumes de dados genômicos de forma massiva. Contar com esse suporte técnico foi fundamental para alcançarmos nossos objetivos, pois nos permitiu construir modelos preditivos capazes de identificar assinaturas moleculares e biomarcadores (miRNAs e proteínas) contidos em vesículas extracelulares polidispersas do câncer de mama, bem como de um segundo tipo de câncer que testamos (câncer de próstata) de maneira muito mais eficiente”.
A experiência também representou um ponto de inflexão para a equipe — composta pela Dra. Sierra e pela M. em C. Vanessa Iglesias Vázquez, pela Mtra. Nancy Gertrudiz, pelo Dr. Santiago González Rubén e pelo Dr. Francisco Sierra López — ao introduzir novas metodologias baseadas na mineração massiva de literatura científica, na automação de consultas complexas e na modelagem de redes biológicas por meio da inteligência artificial.
“Para o nosso grupo de trabalho, o mais importante ao ter acesso a esse testbed foi a democratização do conhecimento e a abertura de um novo panorama metodológico. Como, para a maioria de nós, essa foi a primeira abordagem direta à modelagem de ligantes e previsões in silico por meio de IA, a plataforma nos proporcionou a infraestrutura e o acompanhamento técnico necessários para realizar a mineração em massa da literatura científica e automatizar consultas lógicas. Isso nos mostrou que é possível acelerar drasticamente os filtros de qualidade biológica e a consolidação de listas mestras de objetos biológicos, otimizando as fases preditivas que antecedem os experimentos em laboratório”, conclui a Dra. Sierra.
O testbed BIO+IA como acelerador da descoberta científica
O testbed de Bioinformática e Inteligência Artificial do BELLA II foi concebido como uma plataforma regional para a captura, o processamento e a análise de informações científicas por meio do uso combinado de inteligência artificial generativa, inteligência artificial lógica e bioinformática estrutural. Sua arquitetura permite identificar redes de interação molecular, desenvolver modelos preditivos, gerar hipóteses experimentais e explorar cenários antes de investir recursos em experimentos de laboratório.
Para o projeto mexicano, essa infraestrutura foi utilizada para executar processos de análise bioinformática, realizar mineração de conhecimento a partir de repositórios científicos especializados e identificar interações moleculares relevantes associadas ao câncer de mama e ao câncer de próstata.
Por meio da integração de fontes como EVPedia, PubMed e PubTator, e utilizando ferramentas de análise desenvolvidas em R e Python, a equipe conseguiu construir uma base inicial de conhecimento capaz de relacionar miRNAs, genes e proteínas associados a processos tumorais.
De acordo com a equipe de especialistas, um dos resultados mais significativos foi a modelagem de redes regulatórias complexas que envolveram milhares de eventos biológicos e moléculas-chave, incluindo o miRNA MIR21 e membros da família miR-200, identificados como elementos centrais nos processos de regulação associados ao câncer.
Colaboração regional como motor da inovação
Além dos avanços técnicos, este caso demonstra o valor do modelo colaborativo promovido pelo projeto BELLA II, pela RedCLARA e pelas Redes Nacionais de Pesquisa e Educação que a integram.
No caso mexicano, o apoio da CUDI foi fundamental para possibilitar o acesso ao programa e ao ambiente tecnológico do BELLA II, fortalecendo ainda os laços institucionais necessários para futuras colaborações regionais.
Resultados e projeções
Após sua participação no Early Adopters BIO+IA, a equipe conseguiu estabelecer uma base inicial de conhecimento, consolidar metodologias de análise assistidas por IA e desenvolver capacidades para construir simultaneamente múltiplas linhas de pesquisa relacionadas à biópsia líquida, câncer de mama e câncer de próstata.
Os pesquisadores esperam avançar na identificação de painéis de biomarcadores, na construção de pipelines automatizados e no desenvolvimento de um protótipo de software que permita calcular um Score de Risco para apoiar diagnósticos clínicos precoces.
Mas talvez o resultado mais importante seja outro: demonstrar que a combinação de inteligência artificial, bioinformática e colaboração regional pode acelerar significativamente a pesquisa biomédica na América Latina e no Caribe. Por meio de iniciativas como o Early Adopters BIO+IA e de infraestruturas compartilhadas como o testbed BIO+IA do BELLA II, a região dá passos concretos em direção a uma ciência mais conectada, colaborativa e capaz de responder a desafios de alto impacto social.
