Uma equipa da Universidade Politécnica de Macau (UPM), em colaboração com o Instituto Holandês do Câncer e a Faculdade de Medicina da Universidade Radboud de Nimega, nos Países Baixos, publicou recentemente, na revista «NPJ Breast Cancer» - revista da especialidade da prestigiada revista científica «Nature», o artigo académico intitulado «Predicting breast cancer types on and beyond molecular level in a multi-modal fashion».

A «Nature» é uma revista conceituada que publica estudos na área das ciências naturais e artigos de investigação de alta qualidade avaliados pelos seus pares; e a «NPJ Breast Cancer» é uma revista subordinada à «Nature» que se dedica a publicar os melhores estudos sobre o cancro da mama e o tratamento deste cancro, incluindo artigos de investigação originais, comentários, breves comunicações, relatórios de conferência e observações que geram suposições. Os temas principais desta revista são a imagiologia, a imunoterapia, a classificação molecular das doenças, as terapias baseadas em mecanismos que visam principalmente as vias de transdução de sinais, os efeitos cancerígenos (incluindo a susceptibilidade genética e epidemiologia molecular), os problemas de sobrevivência (incluindo a toxicidade do tratamento a longo prazo e a ocorrência de tumores secundários), o cancro e biofísica, os mecanismos de transferência e as suas perturbações e microambiente tumoral.  

Este artigo publicado tem como objectivo determinar, com precisão, o subtipo molecular do cancro da mama através de técnicas de imagem de glândulas mamárias, sendo muito importante para o prognóstico de pacientes com cancro da mama, podendo orientar a escolha de programas de tratamento e optimizar, de forma eficaz, os serviços de diagnóstico e tratamento médico. Neste estudo, a equipa desenvolveu um modelo baseado na aprendizagem profunda para prever subtipos moleculares de cancro da mama directamente a partir dos raios X diagnósticos e das imagens hipersónicas de glândulas mamárias. A equipa que desenvolveu este estudo propõe uma aprendizagem profunda multimodal com módulos de atenção intramodal e intermodal (Multi-modal deep learning with intra and inter-modality attention modules), sigla em inglês “MDL-IIA”, no intuito de extrair a importante relação entre os raios X e as imagens hipersónicas de glândulas mamárias, a fim de realizar esta tarefa. Em comparação com outros modelos de filas, o modelo da MDL-IIA tem o melhor desempenho de diagnóstico na previsão de 4 subtipos moleculares, com um coeficiente de correlação de Matthews (MCC) de 0,837 (95% do intervalo de confiança [CI]: 0,803 a 0,870). O modelo da MDL-IIA também pode distinguir entre as doenças luminal e não-luminal, e a área sob a curva de características de operação do receptor é de 0,929 (95% do CI: 0,903 a 0,951). Estes resultados são significativamente melhores do que a previsão dada pelos médicos com base nas imagens radiológicas. Para além dos testes a nível molecular, relativamente aos rótulos com base no nível genético, a solução apresentada pela equipa consegue ultrapassar a incerteza inerente aos testes químicos dos tecidos do Sistema Imunológico. Por isso, este trabalho oferece uma forma não invasiva de prever os subtipos moleculares do cancro da mama, com a possibilidade de orientar as opções de tratamento dos pacientes com o cancro da mama e apoiar os clínicos na tomada de decisões.

Tao Tan é professor adjunto da Faculdade de Ciências Aplicadas da Universidade Politécnica de Macau e dedica-se ao estudo da inteligência artificial em imagiologia médica. Foi cientista sénior na área de inteligência artificial da instituição GE Healthcare nos Países Baixos. Tem uma vasta experiência na detecção automática de doenças, na classificação, na aprendizagem generalizada de dados, no diagnóstico e tratamento de precisão, e contribui significativamente para a transformação dos resultados da inteligência artificial médica. Tao Tan é o autor correspondente deste artigo científico. O texto completo deste artigo está disponível no site: https://www.nature.com/articles/s41523-023-00517-2.

A UPM empenha-se em reforçar os trabalhos de indústria-academia-investigação e o desenvolvimento da investigação interdisciplinar. Neste estudo, a Faculdade de Ciências Aplicadas da UPM, combinando a ciência, a tecnologia e a medicina, promoveu os estudos sobre a aplicação de disciplinas cruzadas, a competitividade académica internacional e o desenvolvimento da indústria-academia-investigação, bem como optimizou o modelo de diagnóstico e tratamento médico, de forma a contribuir para o desenvolvimento da ciência e tecnologia e da indústria de saúde de Macau.