Metabólitos Sanguíneos Detectam Câncer Colorretal com 97% de Precisão por Meio de Machine Learning

O câncer colorretal (CCR) é a segunda principal causa de morte por câncer no mundo, mas a detecção precoce ainda é difícil devido à invasividade e à complexidade dos métodos atuais de rastreamento, como colonoscopia e testes de DNA fecal. Este estudo teve como objetivo determinar se perfis de metabólitos séricos poderiam servir como uma plataforma diagnóstica sensível e não invasiva, e se a combinação desses perfis com dados epigenéticos melhoraria significativamente a precisão diagnóstica.

Os pesquisadores recrutaram 715 participantes do Hospital Popular de Zhuhai (2020–2023), incluindo 248 pacientes com CCR confirmado por histopatologia, abrangendo os estágios I a IV da classificação TNM, e 467 controles sem câncer confirmados por colonoscopia. Os grupos foram bem pareados quanto a idade, sexo e IMC. O sangue foi coletado após jejum de 12 a 14 horas, e o soro foi submetido a perfil metabolômico não direcionado por UPLC acoplada a espectrometria de massas QTOF. Os dados brutos foram processados com XCMS, e os metabólitos foram anotados com base nos bancos de dados HMDB e KEGG. Após filtragem por controle de qualidade, análises de OPLS-DA e teste de Wilcoxon de soma de postos (FDR < 0,05, VIP > 1) identificaram 26 metabólitos séricos endógenos significativamente desregulados em pacientes com CCR.

A análise de enriquecimento de vias revelou que os metabólitos alterados se concentravam principalmente na biossíntese de ácidos biliares primários e no metabolismo da taurina/hipotaurina — vias conhecidas por serem moduladas pelo microbioma intestinal e implicadas na carcinogênese do CCR. Esse achado corrobora a hipótese de que a comunicação metabólica entre hospedeiro e microbioma desempenha um papel mecanístico central no desenvolvimento do CCR. Um subconjunto menor de 10 metabólitos-chave foi então utilizado para treinar quatro classificadores de aprendizado de máquina: Support Vector Machine, Random Forest, XGBoost e Regressão Logística. Todos os quatro modelos apresentaram desempenho excepcional, alcançando valores de AUROC de 0,96 a 0,97 e acurácia de classificação de até 92,5%, superando substancialmente biomarcadores convencionais como CEA e CA19-9.

Para avaliar se dados epigenéticos poderiam aprimorar a detecção, o sequenciamento de bissulfito direcionado de cfDNA foi realizado em um subconjunto de 197 amostras. Um classificador multiômico integrando tanto os metabólitos quanto as características de metilação atingiu um AUROC de 0,98 — um ganho modesto, porém incremental, em relação à metabolômica isolada. Isso sugere que a metabolômica é o sinal dominante, com a metilação contribuindo com valor aditivo apenas marginal nessa coorte.

Notavelmente, o modelo de metabolômica manteve forte desempenho nos estágios iniciais do CCR, embora as análises de subgrupos por estágio não tenham sido detalhadas de forma completa. O grande tamanho amostral do estudo, a rigorosa normalização por controle de qualidade e o uso de múltiplos frameworks de aprendizado de máquina reforçam a confiança nesses achados. No entanto, a validação externa em coortes multicêntricas independentes e estudos de rastreamento prospectivos será essencial antes da adoção clínica.