Um novo estudo sugere que os médicos podem melhorar as taxas de cura mudando a terapia antes que os tumores tenham chance de se recuperar. Em vez de esperar que o cancro regresse após o tratamento inicial, os investigadores sugerem mudar para outra terapia enquanto o tumor diminui.
A estratégia foi concebida para enfrentar um dos maiores obstáculos no tratamento do cancro: a resistência aos medicamentos.
Por que o câncer volta frequentemente?
Dr. Robert Noble, professor sênior de matemática, CT, St George’s, Universidade de Londres, liderou a pesquisa.
“Embora os tumores possam inicialmente encolher com a terapia”, explica ele, “em muitos casos, eles eventualmente voltam a crescer. Esses novos crescimentos surgem de um pequeno número de células cancerígenas que adquiriram mutações que as tornam resistentes ao tratamento”.
A mutação é uma mudança nas instruções genéticas de uma célula. À medida que as células cancerígenas se dividem, ocorrem certos eventos. Se uma destas alterações permitir que a célula sobreviva a um medicamento que mata outras células tumorais, essa célula resistente pode continuar a multiplicar-se. Com o tempo, sua progênie pode repovoar o tumor.
Segundo a prática clínica padrão, os médicos muitas vezes continuam a utilizar um tratamento até que os testes mostrem que o cancro começou a crescer novamente. Eles podem então mudar para outros medicamentos ou terapias.
O problema é que esperar por uma recaída visível dá às células cancerígenas sobreviventes mais tempo para proliferarem. Quando os médicos introduzem um segundo tratamento, algumas células já podem conter mutações que também as protegem dessa terapia.
Mudando os tratamentos antes que eles falhem
A teoria evolucionista aponta para uma abordagem diferente.
Em vez de esperar até que o primeiro tratamento pare de funcionar, os médicos podem mudar para uma segunda terapia enquanto o tumor ainda responde. Os pesquisadores descrevem isso como uma estratégia do tipo “chutar para baixo”.
O conceito poderá ser particularmente útil para o cancro, onde os médicos já sabem que mesmo os tratamentos iniciais mais eficazes falham frequentemente devido à resistência.
Mudar o tratamento precocemente pode tornar mais difícil o controle de um grupo resistente de células cancerígenas. Cada nova terapia representará um desafio diferente para o tumor, limitando potencialmente a sua capacidade de adaptação.
Noble explicou em um podcast sobre a pesquisa: “As abordagens evolucionárias têm sido muito bem-sucedidas em outros contextos, como no combate à resistência aos antibióticos ou na previsão de quais vacinas devemos usar durante uma determinada temporada de gripe. Há todos os motivos para supor que abordagens semelhantes deveriam funcionar em tumores”.
A resistência aos antibióticos desenvolve-se através de um processo evolutivo semelhante. As bactérias que sobrevivem a um medicamento podem reproduzir-se e transmitir a sua resistência às gerações futuras. Os cientistas também acompanham a evolução dos vírus da gripe para ajudar a determinar quais as estirpes que devem ser visadas pelas vacinas sazonais.
Os investigadores acreditam que o tratamento do cancro poderia beneficiar do mesmo tipo de pensamento evolutivo.
Modelos matemáticos rastreiam a evolução do tumor
Para investigar a ideia, o Dr. Noble e seus colegas adaptaram ferramentas matemáticas comumente usadas para estudar como as plantas e os animais evoluem sob fatores de estresse ambientais, como as mudanças climáticas.
Nesse caso, cada tratamento contra o câncer atua como um estressor ambiental. Ele mata células enfraquecidas enquanto permite que células com mutações de resistência benéficas sobrevivam. Os modelos matemáticos podem ajudar os investigadores a prever como os diferentes esquemas de tratamento podem afectar as células cancerígenas e a rapidez com que se multiplicam.
As descobertas da equipe sugerem que mudar os tratamentos antes que o tumor comece a crescer novamente pode geralmente funcionar melhor do que os padrões atuais de tratamento.
Os resultados ainda são baseados em modelagem matemática, portanto a técnica exigirá mais testes em experimentos de laboratório e ensaios clínicos envolvendo pacientes.
Três pequenos ensaios clínicos já estão em andamento em câncer de tecidos moles, câncer de próstata e câncer de mama. Testes adicionais estão em desenvolvimento.
Múltiplas terapias podem atingir tumores maiores
Os modelos indicam que dois tratamentos podem não ser suficientes em muitos casos.
“Nossos modelos prevêem que esta nova abordagem superará o padrão usual de tratamento”, disse o Dr. Nobel. “Uma sequência de dois tratamentos, mesmo na melhor das hipóteses, provavelmente terá sucesso apenas em tumores relativamente pequenos. Mas temos motivos para esperar que a mudança entre três ou mais tratamentos seguindo o mesmo princípio possa erradicar tumores maiores.”
O uso de três ou mais terapias pode colocar as células cancerígenas sob uma série de tensões variáveis, tornando mais difícil para o tumor criar uma população capaz de resistir a cada tratamento.
Isso não significa que o método funcionará para todos os pacientes ou para todos os tipos de câncer. As opções de tratamento ainda dependerão do tipo de tumor, seu tamanho, das terapias disponíveis e da saúde geral do paciente. Os pesquisadores precisam determinar o momento mais seguro e eficaz para cada troca.
Ainda assim, a pesquisa sugere uma forma potencial de repensar a terapia do câncer. Em vez de responder apenas após o tratamento ter falhado, os médicos poderão prever uma eventual resistência e agir antes que o tumor recupere a força.
O artigo completo da pesquisa foi publicado na revista genética.
Dr. Noble conduziu a pesquisa com uma equipe internacional de biólogos matemáticos. O projeto surgiu do trabalho do último ano de Srishti Patil, um estudante de pós-graduação no Instituto Indiano de Educação e Pesquisa Científica de Pune, que passou vários meses na City St George’s, Universidade de Londres, sob a supervisão do Dr.
Arman Ahmed, estudante da Universidade Johns Hopkins, e parceiro de longa data do Dr. Nobel da Universidade Paris Dauphin-PSL. Yannick Viosat também foi incluído.
