Apesar de um aumento considerável de publicações nos últimos anos, a biópsia líquida ainda não é utilizada por rotina no diagnóstico do cancro e na monitorização dos tumores. Em contraste com as biópsias directas, as biópsias líquidas utilizam fluidos corporais que são recolhidos longe do tumor primário. Pode, portanto, ignorar uma parte relevante do tumor, mas, por outro lado, ser representativo da parte mais agressiva.
(red) O sangue venoso ou o líquido cefalorraquidiano são normalmente utilizados para a biópsia líquida (LB). [CTCs] [MVs] [EXs]O material proveniente do tumor pode estar presente quer na forma livre (ácidos nucleicos tumorais circulantes e células tumorais circulantes) quer em vesículas ligadas à membrana (microvesículas e exossomas). Recentemente, as plaquetas mostraram o seu enorme potencial para a biópsia líquida como plaquetas adaptadas ao tumor (TEPs). Neste contexto, porém, os tumores cerebrais intrínsecos representam um desafio adicional por várias razões, por exemplo, a sua baixa incidência e a relação custo-eficácia do rastreio precoce, a falta de provas de opções de tratamento precoce e a presença da barreira hemato-encefálica (BHE) como potencial supressor da migração das células tumorais e a sua baixa capacidade de metastização através do sangue. Um dos maiores desafios na integração do LB de tumores cerebrais na rotina clínica é avaliar padrões fiáveis e aumentar a sensibilidade bastante baixa e variável, que é atualmente de cerca de 10-60%, uma vez que a excreção de ADN tumoral no LCR não parece ser uma caraterística universal do glioma difuso. Além disso, ainda não existem dados suficientes sobre a influência do tipo de tumor (glioblastoma vs. astrocitoma com mutação IDH vs. gliomas de grau inferior), da localização, da extensão da rutura da BHE e do estádio da doença na sensibilidade, especificidade e utilidade clínica de biomarcadores individuais de biópsia líquida e da sua combinação, bem como sobre o melhor tipo de amostragem do LCR (LCR lombar ou cisternal).
A aprendizagem automática apoia a LB
Uma revisão sistemática centrou-se na aplicação da aprendizagem automática (AM) à LB em tumores cerebrais, com o objetivo de fornecer orientações práticas aos neurocirurgiões para compreenderem as práticas mais avançadas e os desafios em aberto. O estudo foi realizado de acordo com as directrizes PRISMA-P (preferred reporting items for systematic review and meta-analysis protocols). Foi efectuada uma pesquisa bibliográfica em linha nas bases de dados PubMed/Medline, Scopus e Web of Science, utilizando a seguinte consulta de pesquisa:[Flüssigbiopsie] [Glioblastom OR Hirntumor] “( AND AND [machine learning OR artificial intelligence)])”.
A pesquisa na literatura produziu um total de 55 resultados. Os registos duplicados foram eliminados (n=24). Foram seleccionados 31 registos e quatro registos foram excluídos através da seleção do título e do resumo; 27 relatórios foram pesquisados para recuperação e quatro estudos não estavam acessíveis, pelo que foram descartados. Vinte e três relatórios foram considerados relevantes para a nossa questão de investigação e avaliados quanto à sua adequação. Nove relatórios foram excluídos por não preencherem os critérios de inclusão. No final, 14 artigos foram incluídos no estudo.
Atualmente não é utilizado para tumores cerebrais
As principais vantagens da LB são o facto de não ser invasiva, ser repetível e poder ser analisada em tempo real. Os tumores cerebrais intrínsecos são um grupo difícil de tumores em que a biopsia líquida pode ser utilizada por rotina. Apenas foram publicadas na literatura provas esparsas e iniciais de que as diferentes fases da gliomagénese são caracterizadas por diferentes biomarcadores proteómicos secretados. A LB desempenha um papel importante no diagnóstico quando a biópsia de tecido não é exequível devido ao risco de morbilidade excessiva, por exemplo, em lesões profundas ou multicêntricas ou em idade avançada e uma variedade de comorbilidades. No entanto, isto não significa que não exista potencial para LB em gliomas noutras fases, por exemplo, para monitorizar os resultados do tratamento e a estratificação do prognóstico dos doentes afectados. O nível de um biomarcador hipotético ideal deve estar elevado no momento do diagnóstico por imagem, diminuir significativamente após a remoção cirúrgica do tumor e permanecer baixo durante o tratamento posterior, ajudando a distinguir a progressão da pseudoprogressão e aumentando o número de casos elegíveis para opções potencialmente curativas ou terapias mais bem sucedidas. Isto é tanto mais verdade quanto a classificação da OMS dos tumores do SNC para 2021 exige que os tumores cerebrais sejam caracterizados não só com base na sua histologia, mas também, independentemente desta, com base nas suas características moleculares.
No entanto, o pequeno número de artigos na literatura sobre tumores cerebrais mostra que a biópsia líquida não é atualmente utilizada para os tumores do SNC. No entanto, o ML pode desempenhar um papel no LB em tumores cerebrais – especialmente na deteção precoce, uma vez que é mais eficaz do que os métodos estatísticos convencionais na identificação dos primeiros sinais de tumores cerebrais através da análise dos marcadores genéticos e proteómicos em biópsias líquidas. A medicina de precisão também pode ser beneficiada, uma vez que pode ajudar a prever rapidamente a eficácia de várias terapias através da análise da assinatura molecular dos tumores. Também proporciona resultados mais rápidos. Os algoritmos de ML podem analisar de forma rápida e precisa os resultados de LB e fornecer aos médicos informações accionáveis que os podem ajudar a tomar decisões de tratamento.
Fonte: Menna G, et al: Is There a Role for Machine Learning in Liquid Biopsy for Brain Tumours? Uma revisão sistemática. Int J Mol Sci 2023; 24(11): 9723.
InFo NEUROLOGY & PSYCHIATRY 2024; 22(3): 33
