Uma equipa de cientistas em computação da Universidade de Delaware e da Universidade de Georgetown desenvolveram um novo sistema para determinar rapidamente quais os medicamentos contra cancro mais suscetíveis de o poder combater com sucesso. O sistema baseia-se nos marcadores genéticos do paciente.
O eGARD é o primeiro sistema deste tipo, publicamente disponível, e a descrição do mesmo já foi publicada na revista ‘PLOS One’.
Os investigadores esclareceram que quando os genes de uma pessoa funcionam corretamente, são unidades direcionadas para a produção de proteínas que sustentam a vida, mas, às vezes, um gene é ‘desonesto’ e produz um tumor cancerígeno. Assim, quando os especialistas em cancro identificam esses genes defeituosos, podem elaborar planos de tratamento mais assertivos.
Os diversos dados que relacionam os fatores genéticos e os resultados do tratamento do cancro estão dispersos por centenas de revistas científicas e académicas, pelo que na prática impossibilita os médicos de estabelecer uma ligação entre os dados do doente e os melhores medicamentos.
Como funciona o eGARD
“eGARD is a text mining system that analyzes words and phrases in medical literature to find relationships between genomic anomalies and drug responses. “eGARD é um sistema de ‘mineração’ de texto que analisa palavras e frases na literatura médica para encontrar relações entre anomalias genómicas e respostas de medicamentos.
“Os médicos não têm tempo para ler todos os relatórios e a diversa literatura para cada tumor”, referiu Peter McGarvey, autor do estudo e investigador em bioquímica na Universidade de Georgetown. O sistema eGARD permite “ajudar a superar as impossibilidades dos médicos e especialistas geneticistas, e mesmo de empresas que já estão a analisar os dados de outras formas”.
A equipe de investigadores aplicou o eGARD a cerca de 36.000 resumos de estudos, recuperando 50 genes e 42 medicamentos contra o cancro, incluindo inibidores do ciclo celular, inibidores da quinase e tratamentos de anticorpos.
Os investigadores treinaram primeiro o sistema para identificar indicações de anomalias genéticas, com nomes científicos, como “excesso de expressão de ERCC1” ou “polimorfismos C677T e A1298C do gene MTHFR”.
De seguida treinaram o sistema para procurar texto e sugerir resultados de tratamento, como “resposta significativamente mais pobre” ou “taxa de sobrevivência”. E a seguir a pesquisa de palavras e frases que conectam uma anomalia genética, como “correlacionar”, “associar” ou “sensibilizar”.
Os investigadores conseguiram que o eGARD atingisse resultados com precisão de 95%. Para o investigador Vijay Shanker o sistema pode apoiar os oncologistas e pacientes com cancro.