APOLLO11: um modelo orientado por bio-dados para pesquisa clínica e translacional em câncer de pulmão

Por que isso importa para pessoas com câncer de pulmão

O tratamento do câncer de pulmão mudou dramaticamente na última década graças à imunoterapia e aos medicamentos-alvo, mas muitos pacientes ainda não se beneficiam desses avanços. Este artigo descreve o APOLLO11, um esforço nacional na Itália para coletar sistematicamente dados do mundo real e amostras biológicas de pacientes com câncer de pulmão e usar inteligência artificial para entender quem responderá a qual tratamento. Para pacientes e famílias, aponta para um futuro em que as escolhas terapêuticas sejam guiadas por uma leitura profunda do tumor e do sistema imunológico de cada pessoa, em vez de tentativa e erro.

Do tratamento único para todos ao cuidado guiado por dados

Os autores explicam que, apesar de drogas poderosas, cerca de metade dos pacientes com câncer de pulmão avançado ou nunca respondem ou rapidamente desenvolvem resistência. Os principais exames sanguíneos e de tecido de hoje são muito grosseiros para prever de forma confiável o benefício da imunoterapia ou de terapias-alvo. Estudos clínicos tradicionais, que testam uma hipótese por vez em pacientes altamente selecionados, não conseguem acompanhar a chegada rápida de novos medicamentos e combinações. O APOLLO11 foi criado para enfrentar essa lacuna construindo um recurso de longo prazo e continuamente atualizado que reúne informações clínicas rotineiras, exames de imagem, testes laboratoriais e medições biológicas avançadas de milhares de pacientes tratados na prática cotidiana em toda a Itália.

Construindo uma rede nacional de aprendizado

O projeto conecta dezenas de hospitais organizados em um sistema “hub-and-spoke”: grandes centros de câncer e hospitais universitários trabalham junto com hospitais regionais menores. Cada local registra informação padronizada usando uma plataforma eletrônica segura e, quando possível, armazena amostras biológicas como tecido tumoral, sangue e fezes em freezers locais. Em vez de enviar tudo para um único depósito, os centros mantêm o material no local enquanto uma equipe central monitora o que existe e onde está. Essa estrutura permite que hospitais pequenos, que cuidam de muitos pacientes mas podem não ter infraestrutura de pesquisa, contribuam de forma significativa, e ajuda a garantir que os dados reflitam a diversidade real das pessoas com câncer de pulmão em todo o país.

Acompanhando a doença das imagens às células

O APOLLO11 coleta várias camadas de informação de cada paciente participante que recebe um tratamento “inovador” (essencialmente qualquer terapia moderna diferente da quimioterapia mais antiga). Os dados clínicos incluem idade, estadiamento da doença, tratamentos recebidos, efeitos colaterais e sobrevida. Os dados de imagem incluem tomografias, ressonâncias e PET em pontos-chave, que são analisados com métodos de “radiômica” que transformam padrões sutis nas imagens em milhares de características quantitativas. Amostras biológicas são usadas para estudar o DNA tumoral, atividade gênica, proteínas, metabólitos, as células imunes do corpo e até os microrganismos que vivem no intestino e na boca. Em alguns pacientes, células imunes são examinadas uma a uma com sequenciamento de célula única para revelar o comportamento fino de células T, neutrófilos e outros elementos que podem moldar a resposta à imunoterapia.

Ensinando computadores a reconhecer padrões de tratamento

Como nenhum teste isolado captura toda a complexidade do câncer, o APOLLO11 planeja combinar todos esses tipos de dados usando aprendizado de máquina. Em vez de enviar dados sensíveis brutos para um servidor central, muitas análises usarão “federated learning” (aprendizado federado), no qual cada hospital treina um modelo local e compartilha apenas atualizações do modelo, não registros em nível de paciente. Os algoritmos finais serão projetados para serem explicáveis: ferramentas mostrarão quais características — como padrões específicos de células imunes, características das imagens ou alterações genéticas — impulsionam uma previsão para um paciente individual. Trabalhos iniciais dentro do consórcio já exploram como perfis de células imunes no sangue se relacionam com desfechos da imunoterapia em câncer de pulmão de células não pequenas avançado.

Compartilhando conhecimento enquanto se protege a privacidade

A rede também é uma plataforma para perguntas científicas futuras. Pesquisadores de centros participantes, e mesmo de fora do consórcio, podem propor estudos. Um comitê diretor avalia cada proposta com base na importância clínica, novidade, urgência e viabilidade. Quando grupos externos estão envolvidos, o projeto pode gerar conjuntos de dados sintéticos que imitam os dados reais sem expor pacientes individualmente, ajudando a equilibrar abertura com regras rígidas de privacidade como o GDPR europeu. Esse modelo de governança pretende tornar o acesso justo, transparente e focado em trabalhos que possam realmente melhorar o cuidado.

O que isso pode significar para os pacientes

De forma clara, o APOLLO11 está transformando o cuidado cotidiano de pacientes com câncer de pulmão em um grande laboratório vivo. Ao aprender sistematicamente com experiências reais em muitos hospitais — e combinando imagens, exames de sangue, análises tumorais e computação avançada — o projeto pretende construir ferramentas que indiquem aos médicos, antes do início do tratamento, quais pacientes provavelmente se beneficiarão de imunoterapia ou de drogas-alvo, quem pode sofrer efeitos colaterais graves e quem pode precisar de estratégias diferentes. Embora desafios permaneçam, como manter qualidade consistente dos dados e financiamento de longo prazo, os autores argumentam que esse tipo de rede orientada por dados, explicável e cuidadosa com a privacidade é um roteiro para tornar a medicina de precisão uma realidade, não apenas uma promessa, para pessoas com câncer de pulmão.

Citação: Prelaj, A., Provenzano, L., Miskovic, V. et al. APOLLO11: a bio-data-driven model for clinical and translational research in lung cancer. npj Precis. Onc. 10, 96 (2026). https://doi.org/10.1038/s41698-026-01295-3

Palavras-chave: câncer de pulmão, imunoterapia, inteligência artificial, dados do mundo real, biobanco