Em julho de 2026, pesquisadores da Universidade de São Paulo (USP) e do Instituto do Câncer do Estado de São Paulo (Icesp) publicaram na revista npj Breast Cancer, da Nature, o trabalho Ensemble machine learning for predicting breast cancer recurrence and mortality using clinical and hemogram data (Aprendizado de máquina em conjunto para prever recorrência e mortalidade por câncer de mama utilizando dados clínicos e de hemograma, em tradução livre).
No artigo, os pesquisadores detalham o desenvolvimento do BreastOncoPredict, um software de Inteligência Artificial (IA) capaz de prever o risco de recorrência ou morte de pacientes com câncer de mama a partir de dados clínicos e de um hemograma completo disponível ao diagnóstico.
O C2PO conversou com a Dra. Luciana Rodrigues Carvalho Barros, pesquisadora científica do Icesp, pesquisadora membro do C2PO, e líder da pesquisa, para entender mais sobre o desenvolvimento do programa.
C2PO: Como surgiu a ideia de usar o hemograma completo para o desenvolvimento da IA de predição de recidiva para câncer de mama?
Dra. Luciana Barros: O hemograma como fonte de informações para diagnóstico já era algo conhecido na literatura. Mas decidimos usar o hemograma completo e não apenas os leucócitos.
Começamos em 2023, avaliando os dados de 4.867 pacientes, com informações retrospectivas dos 15 anos anteriores (desde 2008), algo que só foi possível por contarmos com dados do Icesp, um grande centro de tratamento de câncer.
Percebemos que havia consistência dos dados ao longo do tempo, de modo que poderíamos confiar nesses dados para tentar estabelecer correlações.
O software foi alimentado com os dados das pacientes do Icesp, e fomos verificando quais biomarcadores eram os melhores preditores e quais não tinham relevância para as predições. As células vermelhas foram relevantes, algo que não esperávamos.
Foram testados vários biomarcadores diferentes até chegarmos a 16 características, que, em conjunto, levavam à melhor acurácia nas previsões.
Uma vantagem é que todas as informações estão disponíveis no momento do diagnóstico: o estágio clínico, a idade da paciente e o hemograma completo.
C2PO: Como foi desenvolvido o software?
Dra. Luciana Barros: Treinamos dezenas de modelos preditivos supervisionados e depois escolhemos os melhores modelos para compor a IA do BreastOncoPredict. Também usamos técnicas para extrair quais informações eram mais importantes para definir o risco de recidiva apontado pela IA.
O BreastOncoPredict é uma IA explicável, ao contrário da IA “caixa-preta”, em que não é possível saber quais são as informações mais importantes. Com essa técnica, constatamos que a análise da série vermelha do hemograma – não apenas os leucócitos – era importante para a predição de recidiva pela IA.
C2PO: O BreastOncoPredict utiliza os dados do hemograma completo, sem recorrer ao material genético do tumor, como os testes genéticos. Quais são as vantagens dessa abordagem?
Dra. Luciana Barros: Os testes genéticos precisam de uma biópsia de cada paciente, uma coleta do tumor, e por isso são muito caros e inacessíveis para o contexto do SUS. O BreastOncoPredict não necessita de coletas além do hemograma que já é realizado para o acompanhamento.
Essa pesquisa pode ter como grande trunfo a democratização do acesso à previsão para pacientes com câncer de mama no contexto do SUS, algo que também poderia ser replicado em países de média e baixa renda.
C2PO: Quais são os benefícios e impactos esperados com a utilização do software?
Dra. Luciana Barros: A ferramenta poderá ser utilizada por médicos para auxiliar em decisões terapêuticas e rastreamento de recidiva, aumentando a frequência de exames de rastreamento de pacientes com alto risco de recidiva e poupando pacientes de baixo risco de recidiva.
Para os gestores de saúde pública, poderá servir para o manejo de filas e priorização de pacientes com maior risco de recidiva, melhorando a eficiência do sistema de saúde.
C2PO: O estudo foi retrospectivo. Agora teremos um estudo prospectivo para confirmação? Quais são as próximas etapas para confirmação e ampliação da utilização?
Dra. Luciana Barros: Teremos um estudo prospectivo no Icesp, com o qual esperamos confirmar as métricas de acurácia.
Além disso, teremos uma etapa de validação em outros centros. A ideia é testar em outros hospitais do SUS. Inclusive, já há uma primeira colaboração sendo planejada com outro hospital público no estado de São Paulo. Mas a longo prazo, a ideia é expandir também para outros centros do SUS no Brasil. A validação em outros lugares pode levar a pequenos ajustes no software que o deixem mais preciso.
O BreastOncoPredict, em uma versão ainda voltada exclusivamente para a pesquisa, pode ser acessado pelo site oficial.
