Uma estrutura unificada para ferramentas de pré‑triagem e triagem em ensaios clínicos oncológicos

Por que encontrar o ensaio oncológico certo importa

Ensaios clínicos de câncer são onde os tratamentos de amanhã são testados hoje, mas apenas uma pequena fração dos pacientes elegíveis chega a participar desses estudos. Este artigo explica por que é tão difícil combinar pacientes com os ensaios apropriados e como novas ferramentas digitais — especialmente as que usam inteligência artificial — podem mudar esse cenário. Para os leitores, oferece uma visão de como dados, computadores e experiência humana podem trabalhar juntos para acelerar o acesso a terapias promissoras e tornar a pesquisa mais justa e inclusiva.

O desafio crescente de recrutar pacientes

A pesquisa oncológica moderna depende de ensaios clínicos, mas o recrutamento tornou‑se um gargalo sério. Uma grande parcela dos ensaios em oncologia não consegue recrutar participantes suficientes, e o período típico de inscrição tem se alongado. Os ensaios agora dependem de regras de elegibilidade intrincadas, exames laboratoriais detalhados e, cada vez mais, de “impressões digitais” moleculares de cada tumor. Ao mesmo tempo, as informações dos pacientes estão dispersas entre diferentes hospitais, sistemas de computador e notas em texto livre. Como resultado, muitos pacientes que poderiam se beneficiar de um ensaio nunca são identificados a tempo, e apenas cerca de 3–5% das pessoas elegíveis com câncer acabam entrando em um estudo.

Diferentes caminhos para conectar pacientes e estudos

Os esforços atuais de correspondência de ensaios se dividem em três grupos amplos. Abordagens voltadas ao paciente usam campanhas de divulgação, mídias sociais, grupos de defesa e questionários online para ajudar indivíduos a buscar ensaios por conta própria. Essas estratégias podem aumentar a conscientização e o engajamento, mas correm o risco de disseminar desinformação e podem deixar de alcançar pessoas com acesso limitado à internet. Ferramentas centradas no sistema de saúde são incorporadas em hospitais e clínicas, usando prontuários eletrônicos, comitês de tumores e plataformas de testes genômicos para sugerir ensaios aos oncologistas durante o atendimento de rotina. Estratégias híbridas buscam combinar ambos: aumentar a conscientização entre pacientes enquanto equipam os clínicos com melhores ferramentas internas, para que as oportunidades não se percam de nenhum dos lados.

Quem está sendo deixado de fora e por que isso importa

Uma preocupação importante é que os participantes dos ensaios não refletem toda a população de pessoas vivendo com câncer. Pacientes rurais, aqueles de baixa renda, adultos mais velhos e muitos grupos minoritários estão sub‑representados. A distância até centros principais, o estresse financeiro, a conscientização limitada e regras de elegibilidade rígidas que excluem pessoas com outras doenças contribuem para esse quadro. Órgãos reguladores, como a Food and Drug Administration dos EUA, estão pressionando patrocinadores a planejar a diversidade desde o início, incluindo desenhos de ensaios mais flexíveis e parcialmente remotos e melhor seleção de locais. O artigo ressalta que qualquer nova tecnologia de correspondência deve reduzir ativamente, e não aprofundar, essas lacunas.

Da revisão manual à automação inteligente

Tradicionalmente, a correspondência de ensaios depende de médicos e equipes de pesquisa lendo prontuários manualmente, entrevistando pacientes e inserindo informações em planilhas. Embora isso permita julgamento especializado, é lento, inconsistente e difícil de escalonar. Métodos eletrônicos mais recentes usam registros de saúde, registros populacionais e alertas automatizados para sinalizar possíveis correspondências. Ferramentas de inteligência artificial vão além, examinando grandes volumes de notas clínicas, resultados laboratoriais e laudos genômicos para sugerir ensaios adequados. Grandes modelos de linguagem — a mesma família de sistemas que alimenta chatbots avançados — podem transformar texto não estruturado em dados estruturados e ajudar a filtrar regras de elegibilidade complexas. A revisão compara o uso “zero‑shot” de modelos genéricos com abordagens mais especializadas que combinam recuperação de informações médicas confiáveis, exemplos cuidadosamente selecionados e modelos ajustados com documentos específicos de oncologia.

Como ferramentas inteligentes e clínicos podem trabalhar juntos

Os autores argumentam que as soluções mais promissoras são híbridas: os computadores fazem o trabalho pesado de ler grandes quantidades de dados, mas os clínicos continuam responsáveis pelas decisões finais. Nessa visão, sistemas de IA escaneiam continuamente registros, interpretam tendências laboratoriais e biomarcadores e propõem correspondências prováveis para ensaios, ao mesmo tempo em que mostram claramente por que um paciente foi incluído ou excluído. Especialistas humanos então revisam, confirmam ou anulam essas sugestões, garantindo segurança e equidade. O artigo enfatiza a necessidade de dados de alta qualidade, proteção da privacidade do paciente, explicações claras em vez de respostas em “caixa‑preta” e medidas de desempenho que acompanhem não só a precisão e a velocidade, mas também diversidade e custo.

O que isso significa para o futuro do cuidado do câncer

Para concluir, os autores veem ferramentas melhores de pré‑triagem e triagem como essenciais para acelerar a pesquisa em câncer e ampliar o acesso a tratamentos inovadores. Eles imaginam sistemas de correspondência que reconheçam a diferença entre idade biológica e cronológica, incorporem marcadores sutis de aptidão e risco de efeitos adversos e revisitem resultados laboratoriais em evolução ao longo do tempo. Se projetadas e validadas com cuidado, estruturas dirigidas por IA e supervisionadas por humanos poderiam facilitar que os pacientes certos encontrem os ensaios certos no momento certo — reduzindo esforço desperdiçado, melhorando a equidade e levando terapias eficazes contra o câncer à clínica mais rapidamente.

Citação: Horgan, D., Paulson, J.N., Loaiza-Bonilla, A. et al. A unified framework for pre-screening and screening tools in oncology clinical trials. npj Precis. Onc. 10, 143 (2026). https://doi.org/10.1038/s41698-026-01306-3

Palavras-chave: ensaios clínicos de câncer, correspondência de ensaios, inteligência artificial, oncologia de precisão, inscrição de pacientes