UTILIZAÇÃO DE INTELIGÊNCIA ARTIFICIAL PARA IDENTIFICAR BIOMARCADORES COM INTUITO DE OTIMIZAR O TRATAMENTO DE PACIENTE COM LEUCEMIA MIELOIDE AGUDA

Os algoritmos de Inteligência Artificial (IA) estão revolucionando a medicina, especialmente no diagnóstico e tratamento da leucemia mieloide aguda (LMA). Esses cânceres hematológicos exigem diagnósticos precisos, e o uso da IA se mostra promissor na identificação, classificação e prognóstico da LMA, ao possibilitar maior personalização do tratamento. A utilização de biomarcadores genéticos da doença é um exemplo de como a IA pode aumentar a especificidade e rapidez na abordagem terapêutica. Analisar a literatura científica sobre os benefícios do uso da IA a fim de propor condutas mais personalizadas e assertivas no tratamento de pacientes com LMA, por meio da utilização de biomarcadores genéticos. Trata-se de uma revisão de literatura construída a partir de uma pesquisa abrangente de artigos disponíveis gratuitamente nas bases de dados acadêmicos: Pubmed, Scielo e Google Acadêmico, publicados em inglês, espanhol e português. Os termos de pesquisa utilizados incluíram combinação de palavras-chave: “Inteligência Artificial”, “Aprendizado de máquina”, “Leucemia Mieloide Aguda”, “Neoplasias”. Foram encontrados 92 artigos, dos quais 71 foram descartados por não se adequarem à temática da pesquisa. Após a análise da literatura disponível, o aprendizado da IA tem crescido exponencialmente no cenário atual, impulsionado pelo acesso a ensaios clínicos, dados de pacientes, diagnósticos e tratamentos. Estudos como Módulo Multimodal (MOM) e PETHEMA/GEM-CESAR são fundamentais para a aplicação da IA, pois buscam otimizar as estratégias terapêuticas com base em dados de triagem, de análise clínica e do tratamento de câncer. A LMA é um câncer heterogêneo que afeta os precursores das células da medula óssea que invadem o sangue periférico com características citogenéticas ou mutacionais. Sendo uma doença com alta letalidade dentro de cinco anos do diagnóstico. Com isso, a medicina personalizada busca eficácia nas terapias em cada paciente, contudo na execução, atualmente, devido aos altos recursos e à complexidade, é uma tarefa difícil. A partir disso, as IAs tornam-se ferramentas importantes para tal finalidade, devido à alta capacidade de análise de dados para uma terapia personalizada. Nos pacientes com LMA, a automatização pode trazer maior rapidez e precisão ao diagnóstico. Como exemplo, a identificação acelerada do genótipo FLT3 proteico, possibilita introduzir um tratamento específico para esses pacientes de forma antecipada. Os modelos clínicos utilizam métodos pa