Smart Diagnostics: Diagnóstico da Pré-Caquexia em Pacientes com Cânceres Avançados

Durante a progressão do câncer, é frequente o desenvolvimento da caquexia associada ao câncer (CAC), uma síndrome paraneoplásica complexa caracterizada por alterações no consumo alimentar, no metabolismo, na composição corporal e por inflamação sistêmica crônica. A CAC compromete a resposta ao tratamento oncológico, reduz a qualidade de vida e está diretamente associada ao aumento da mortalidade. Frente a esse cenário, desenvolvemos uma ferramenta diagnóstica inovadora para detecção precoce da pré-caquexia em sua fase inicial e ainda potencialmente adequado para reversão da síndrome. Trata-se de um estudo prospectivo conduzido no Hospital de Clínicas da Universidade Federal de Uberlândia, com avaliação de pacientes oncológicos por meio de métodos antropométricos, análise de composição corporal, avaliação do consumo alimentar e exames laboratoriais. A principal inovação está na criação de um modelo preditivo automatizado, desenvolvido com o uso de técnicas de espectroscopia infravermelha por reflexão total atenuada (ATR-FTIR) aliadas a algoritmos de aprendizado de máquina. O modelo foi treinado com dados espectrais de amostras de soro de 44 pacientes com câncer avançado (29 sem caquexia e 15 com pré-caquexia), obtidos na faixa de 4000 a 650 cm⁻¹. As amostras foram analisadas com espectrômetro FTIR Agilent Cary 600 Series, submetidas a pré-processamento (normalização de baseline, min-max e derivada de Savitzky-Golay), resultando na identificação de regiões espectrais associadas a alterações moleculares características da pré-caquexia (945–918 cm⁻¹ e 2875–2869 cm⁻¹, relacionadas a ribose e lipídios). O modelo baseado no classificador Naive Bayes demonstrou desempenho promissor: acurácia de 77%, sensibilidade de 87% e especificidade de 72%. Esses resultados indicam que o padrão espectral infravermelho do soro, refletindo alterações bioquímicas sistêmicas, pode funcionar como uma assinatura molecular da pré-caquexia. Ao automatizar o diagnóstico precoce da CAC, a iniciativa oferece um novo caminho para intervenções precoces, personalizadas e baseadas em evidência, com potencial para melhorar a qualidade de vida, prolongar a sobrevida do paciente e otimizar o uso de recursos em saúde. Trata-se da primeira proposta a utilizar ATR-FTIR combinado com Machine Learning para diagnóstico de pré-caquexia a partir do soro, um avanço promissor na promoção da saúde e no controle do câncer.