PROTEGER no Journal of Geriatric Oncology: o modelo que aprende com o Telecomitê Oncogeriátrico e é validado em centros externos

É o artigo científico que dá sustentação ao PROTEGER. Publicado como research letter no Journal of Geriatric Oncology, a revista de referência da Sociedade Internacional de Oncologia Geriátrica, descreve como desenvolvemos e validamos externamente um modelo de aprendizado de máquina que integra dados oncológicos e de avaliação geriátrica ampla para apoiar a decisão de terapia sistêmica em pessoas idosas com câncer. É assinado pela equipe completa da Oncoger —Gonzalo Navarrete, Gabriel Martínez, Claudio Barrientos e Rodrigo Venegas— junto a colaboradores do Hospital Dr. Franco Ravera Zunino, da Universidade do Chile, da Universidade Mayor, do Hospital Clínico da Universidade do Chile, do Hospital Digital do Ministério da Saúde e do University Medical Centre Utrecht. O estudo seguiu a diretriz TRIPOD-AI e está registrado no ISRCTN.

O ponto de partida

O Chile tem menos de 200 geriatras para todo o país, e o câncer já é a primeira causa de morte. O Telecomitê Oncogeriátrico que o Ministério da Saúde lançou em 2021 permite que equipes de oncologia de qualquer região apresentem à distância casos de pessoas idosas com tumores sólidos a um painel de especialistas, mas sua capacidade de escalar é limitada pela escassez de especialistas. A pergunta do estudo foi se um modelo treinado com as decisões desse comitê poderia reproduzir seu critério e, com isso, ajudar a padronizar e estender essas decisões a centros que não têm acesso a ele.

Como foi construído

A coorte de desenvolvimento reuniu 357 adultos de 65 anos ou mais com tumores sólidos avaliados pelo Telecomitê (mediana de idade 78 anos, 50% homens, 39% com câncer gastrointestinal). Para cada paciente foram coletadas variáveis oncológicas e de avaliação geriátrica: Clinical Frailty Scale, ECOG, escore de toxicidade CARG, tipo e estágio do tumor, atividades básicas e instrumentais da vida diária, SPPB, comorbidade de Charlson, quedas, depressão (GDS), cognição (MMSE), número de medicamentos, IMC e intenção de tratamento. O desfecho principal foi a recomendação do comitê sobre terapia sistêmica. Foram treinados random forest, XGBoost, regressão logística, árvore de decisão e um modelo ensemble por stacking, com otimização bayesiana de hiperparâmetros e validação cruzada de cinco dobras, e validados em 272 pacientes de dois centros terciários de outras regiões do país, avaliados entre 2021 e 2025.

O que encontrou

O modelo ensemble alcançou um AUC de 0,84 (IC95% 0,78–0,89) na validação externa, com random forest e regressão logística em 0,82 e XGBoost em 0,78. As variáveis que mais pesaram na recomendação foram a Clinical Frailty Scale, o ECOG, o escore de toxicidade CARG, as atividades básicas da vida diária e o diagnóstico oncológico. E, como era esperado, os pacientes classificados como não aptos eram mais velhos e tinham um perfil geriátrico menos favorável: menor SPPB, mais comorbidade, mais quedas, maior fragilidade, menor autonomia e maior risco de toxicidade.

O mais relevante clinicamente é que a classificação separa grupos com sobrevida muito diferente. Segundo a decisão da equipe oncogeriátrica, a mediana de sobrevida foi de 765 dias em quem foi considerado apto para terapia sistêmica e de 275 nos não aptos (p < 0,001). O modelo reproduz essa separação: 522 frente a 358 dias no conjunto, e no estágio IV 335 frente a 146 dias (p < 0,001).

O que significa para o sistema de saúde

Os autores propõem que um modelo assim pode ajudar a identificar as pessoas idosas com câncer de alto risco para quem um cuidado alternativo é mais apropriado, reduzindo tratamentos desnecessários e toxicidade por quimioterapia, encurtando listas de espera e aliviando a pressão financeira dos sistemas públicos. Em pacientes com doença em estágio IV considerados não aptos, além disso, pode ser o gatilho para as conversas sobre doença grave que alinham a decisão médica com os valores, metas e preferências do paciente. Também poderia melhorar a seleção de pessoas idosas para ensaios clínicos, um grupo historicamente sub-representado e com maiores taxas de abandono por eventos adversos.

O artigo é explícito quanto aos seus limites: é uma avaliação exploratória e retrospectiva, requer uma avaliação geriátrica completa que nem todos os centros podem fazer, as diferenças de sobrevida podem estar confundidas pelo tratamento efetivamente recebido, e existe o risco de viés de automação em ambas as direções. Uma validação prospectiva está em curso. E a regra é uma só: o PROTEGER é estritamente uma ferramenta de apoio; a responsabilidade final permanece com o médico responsável e a equipe multidisciplinar.

As recomendações de tratamento baseadas em aprendizado de máquina para pessoas idosas com câncer poderiam otimizar o uso da terapia sistêmica, reduzir custos, melhorar a qualidade de vida, gerar conversas sobre doença grave e melhorar o acesso aos cuidados paliativos, em benefício tanto das pessoas quanto dos sistemas públicos de saúde.