Trabalhos expostos no principal congresso de oncologia do mundo destacam o potencial da tecnologia brasileira para transformar exames e dados já disponíveis na rotina clínica em estratégias mais eficientes de rastreamento populacional
Dados já produzidos diariamente por sistemas de saúde podem ajudar a identificar cânceres de pulmão, próstata e mama mais cedo, sem necessidade de novos exames ou mudanças na infraestrutura assistencial. Essa é a principal conclusão de três estudos selecionados para o ASCO Annual Meeting 2026, o mais importante congresso de oncologia do mundo, realizado em Chicago, nos Estados Unidos.
Os trabalhos demonstram como modelos de inteligência artificial desenvolvidos no Brasil, pela startup Huna, podem transformar exames e informações clínicas de rotina em ferramentas de priorização para rastreamento populacional, ampliando a eficiência da detecção precoce dos tipos de câncer mais comuns e letais da atualidade.
Dois dos estudos apresentam resultados inéditos em câncer de pulmão e câncer de próstata. O terceiro avalia a combinação de marcadores laboratoriais amplamente disponíveis em check-ups para aprimorar a identificação de risco para câncer de mama.
Inteligência artificial para priorizar o rastreamento de câncer de pulmão
Em um estudo retrospectivo realizado em parceria com o Grupo Fleury, pesquisadores analisaram dados de 53.093 indivíduos e desenvolveram um modelo de inteligência artificial baseado exclusivamente em variáveis obtidas a partir do hemograma.
O algoritmo alcançou uma área sob a curva (AUC) de 0,71 (IC 95%: 0,70–0,71). Na prática, os resultados demonstram que seria possível identificar 67,6% dos casos de câncer ao direcionar o rastreamento para apenas 34,4% da população analisada, dobrando a concentração de casos na população priorizada em comparação à média geral.
Os achados sugerem que a ferramenta pode funcionar como uma estratégia de pré-triagem de baixo custo para apoiar programas de rastreamento por tomografia computadorizada de baixa dose, atualmente considerada uma das principais ferramentas para detecção precoce do câncer de pulmão.
Modelo reduz falsos positivos em câncer de próstata
O segundo estudo avaliou um modelo multicêntrico desenvolvido a partir de dados de sete redes laboratoriais brasileiras do Grupo Fleury. A pesquisa incluiu 2.978 homens entre 45 e 75 anos e combinou informações de PSA total, PSA livre, densidade do PSA obtida por ultrassonografia e idade.
O modelo atingiu AUC de 0,77 ± 0,04 e valor preditivo negativo de 0,98, demonstrando potencial para reduzir em 35,1% os resultados falso-positivos quando comparado ao uso isolado dos pontos de corte tradicionais do PSA. A abordagem pode contribuir para diminuir exames invasivos desnecessários e melhorar a eficiência dos fluxos diagnósticos.
Combinação de marcadores laboratoriais melhora identificação de risco para câncer de mama
O terceiro trabalho, realizado em parceria com o Hospital de Amor, em Barretos, avaliou a combinação de cinco exames laboratoriais já amplamente disponíveis em check-ups de rotina: CA 15-3, CEA, FSH, T3 e MCHC. O estudo envolveu uma coorte de 236 mulheres e alcançou AUC de 0,72, desempenho superior ao obtido pelo hemograma isoladamente.
Os resultados indicam que a integração de marcadores laboratoriais já utilizados na prática clínica pode ampliar a capacidade de identificar mulheres com maior risco para câncer de mama sem necessidade de novos exames ou mudanças na infraestrutura existente.
Transformando dados de rotina em decisão clínica
Os três estudos reforçam a visão da Huna de que dados produzidos diariamente pelos sistemas de saúde podem ser convertidos em ferramentas práticas de apoio à tomada de decisão clínica e operacional.
Ao reutilizar informações já disponíveis em exames de rotina, a tecnologia busca aumentar a eficiência de programas de rastreamento, ampliar o alcance de exames mais complexos e contribuir para diagnósticos mais precoces sem gerar novos custos de coleta ou infraestrutura.
“O câncer deixa pistas. O desafio é encontrá-las a tempo. Estamos mostrando que dados já presentes na rotina dos sistemas de saúde podem ser transformados em ferramentas capazes de identificar riscos mais cedo e tornar o diagnóstico precoce mais acessível e escalável.”, afirma Daniella Castro, fundadora da Huna, PhD em Inteligência Artificial e autora dos trabalhos.
Os resultados exibidos na ASCO 2026 reforçam o potencial da inteligência artificial para transformar dados clínicos de rotina em estratégias concretas de saúde populacional, ampliando o acesso ao diagnóstico precoce e apoiando sistemas de saúde na alocação mais eficiente de recursos.
Foto de Igor Omilaev na Unsplash
