Monitorização e Resistência
Módulo III: Aplicações Clínicas e Terapêuticas — Nível Avançado
1. A Evolução Clonal do Tumor
Um tumor não é uma massa estática de células idênticas. À medida que o tratamento elimina as células sensíveis, podem surgir "clones" resistentes.
- O Problema: Muitas vezes, o tumor parece estar a diminuir de tamanho no exame, mas as células que restam são as mais agressivas.
- A Solução: Analisar a heterogeneidade da textura durante o tratamento. Se a textura mudar de um padrão "organizado" para um padrão "caótico" (aumento da entropia), a IA alerta que o tumor está a desenvolver resistência, mesmo que o tamanho ainda não tenha aumentado.
O diagnóstico e o início do tratamento são apenas o começo. O maior desafio da oncologia moderna é que o tumor é dinâmico: ele evolui. Hoje, exploraremos como utilizar a IA para monitorizar a eficácia do tratamento e detectar a resistência antes que ela se torne clinicamente óbvia.
2. Antecipando a Recidiva
A monitorização convencional depende de medições manuais (Critérios RECIST). A IA vai mais longe:
- Mudanças Subvisuais: A IA detecta alterações na vascularização e na densidade de pixels semanas ou meses antes de o olho humano notar um crescimento real.
- Biópsia Virtual de Seguimento: Em cada novo exame, a IA "re-sequencia" virtualmente o tumor, verificando se a assinatura radiogenómica inicial ainda é a mesma ou se houve uma derivação genética.
3. O "Delta-Radiômica"
Este é um conceito avançado: a análise da variação (delta) entre exames sucessivos.
- Em vez de olhar para uma foto isolada, a IA analisa o "filme" da doença.
- Se o Delta-Radiômica indicar uma tendência negativa, o oncologista pode decidir trocar a medicação imediatamente, poupando ao paciente meses de um tratamento que já não funciona.
4. Gerindo a Toxicidade vs. Eficácia
Nem toda a inflamação é má. Na imunoterapia, às vezes o tumor parece crescer porque está a ser "invadido" por células de defesa (Pseudoprogressão).
- A IA consegue distinguir entre o crescimento real do tumor e a inflamação terapêutica, evitando que um tratamento eficaz seja interrompido por engano.
Reflexão:
Se a IA puder prever a falha de um tratamento dois meses antes dos sintomas aparecerem, como é que isso impacta a qualidade de vida do paciente?