Nomograma clinicamente interpretável combinando composição corporal e características clinicopatológicas para predição de sobrevida em um ano em tumores sólidos avançados

Por que sua composição corporal pode influenciar o sucesso do tratamento do câncer

Os medicamentos de imunoterapia mudaram o prognóstico de muitas pessoas com cânceres avançados, mas apenas uma parte dos pacientes realmente se beneficia deles. Este estudo explora uma ideia simples, porém poderosa: que a forma como gordura e músculo estão distribuídos no corpo, em conjunto com informações clínicas rotineiras, pode ajudar os médicos a estimar as chances de um paciente estar vivo um ano após o início da imunoterapia. Convertendo medições complexas em uma ferramenta de fácil uso à beira do leito, os pesquisadores propõem um cartão visual que poderia orientar conversas sobre escolhas de tratamento e acompanhamento.

Olhando além do tumor para a pessoa como um todo

A maioria dos testes atuais usados para prever quem responderá a inibidores de pontos de controle imunológicos foca em propriedades do próprio tumor, como proteínas específicas nas células cancerosas ou a carga de mutações do câncer. Mas as respostas imunes também são moldadas por fatores mais amplos, incluindo outras doenças, medicamentos e o estado nutricional geral. O índice de massa corporal (IMC) tem sido amplamente estudado e às vezes parece estar associado a melhores desfechos em pacientes mais pesados, um enigma frequentemente chamado de “paradoxo da obesidade”. No entanto, o IMC é uma medida grosseira: ele não distingue entre gordura e músculo, nem entre diferentes tipos de gordura, que podem ter efeitos muito distintos sobre o sistema imunológico.

Transformando exames em pistas sobre a sobrevida

Os pesquisadores analisaram 146 adultos com tumores sólidos avançados tratados com inibidores de pontos de controle imunológicos em um único centro italiano. Antes do tratamento, cada paciente realizou uma tomografia computadorizada de rotina usada para estadiar o câncer. A partir de uma única fatia pela região abdominal, radiologistas mediram quanto músculo e gordura estavam em diferentes compartimentos, como gordura abdominal profunda ao redor dos órgãos e gordura subcutânea. Eles também coletaram informações clínicas padrão, incluindo tipo de câncer, detalhes do tratamento, exames de sangue básicos relacionados à nutrição e inflamação, e condições comuns como diabetes, hipertensão e doença cardíaca.

Construindo um escore de risco combinado

Usando métodos de aprendizado de máquina projetados para dados de sobrevivência, a equipe primeiro testou quão bem os fatores clínicos usuais isoladamente podiam prever a sobrevida global. Essas características — como tipo de câncer, esquema terapêutico, histórico de tabagismo, uma razão inflamatória baseada em sangue e um escore nutricional — mostraram algum poder preditivo, mas tiveram dificuldade para se generalizar a novos pacientes. Em seguida, avaliaram cada medida de composição corporal individualmente. A razão entre gordura abdominal profunda e gordura subcutânea surgiu como o melhor preditor único baseado em imagem, embora ainda insuficiente por si só. Os pesquisadores então criaram novos escores compostos que combinavam matematicamente várias medidas de gordura e músculo, procurando a combinação que melhor segregasse pacientes com sobrevida mais longa e mais curta.

Um gráfico simples para classificar pacientes em grupos de risco

A combinação mais informativa provou ser um escore de composição corporal construído a partir de três medidas derivadas da TC: gordura intramuscular, a quantidade de gordura abdominal profunda e a razão entre gordura profunda e subcutânea. Quando esse escore foi adicionado a 12 características clínicas rotineiramente coletadas, o modelo resultante superou claramente os modelos baseados apenas em dados clínicos ou apenas em imagens. Pacientes cujo escore de composição corporal excedeu um ponto de corte otimizado tiveram uma sobrevida mediana de cerca de cinco meses, em comparação com quase três anos para aqueles abaixo do ponto de corte. Essa diferença marcante manteve-se mesmo ao focar apenas em pessoas com câncer de pulmão avançado. A partir desse modelo, os autores construíram um nomograma — um gráfico visual no qual o clínico pode alinhar os valores do paciente para cada fator, somar pontos e ler a probabilidade estimada de estar vivo em um ano.

O que isso significa para pacientes e médicos

Para pessoas com câncer avançado, este trabalho sugere que informações já ocultas em exames de imagem e exames de sangue cotidianos podem ser combinadas para oferecer uma imagem mais clara dos desfechos prováveis com imunoterapia, sem a necessidade de testes genéticos especializados. O gráfico proposto ainda não está pronto para mudar a prática por si só: o estudo é retrospectivo, provém de um único centro e envolve um número modesto de pacientes, portanto suas previsões precisam ser confirmadas em grupos maiores e independentes. Ainda assim, ele destaca como a composição corporal e a saúde geral do paciente — em vez do tumor isoladamente — podem influenciar de maneira crucial os resultados do tratamento, e aponta para decisões mais personalizadas sobre quem pode se beneficiar mais de imunoterapias potentes, porém caras e às vezes tóxicas.

Citação: Bruschi, G., Paoloni, F., Pecci, F. et al. Clinically interpretable nomogram combining body composition and clinicopathological features for one year survival prediction in advanced solid tumors. Sci Rep 16, 13200 (2026). https://doi.org/10.1038/s41598-026-37510-1

Palavras-chave: imunoterapia, composição corporal, sobrevida do câncer, predição de risco, aprendizado de máquina