seg, 24 agosto 2026 17:43

Pesquisa Unifor: estudo sobre transplante renal e IA ganha prêmio nacional de medicina

Algoritmo desenvolvido em parceria com a Universidade Federal do Ceará e a Universidade Estadual Paulista prevê a sobrevida do órgão transplantado e ajuda a evitar a rejeição precoce

O transplante renal é o melhor tratamento contra a insuficiência renal avançada, mas o grande desafio da medicina é fazer o rim doado durar muitos anos sem ser rejeitado pelo corpo. Atualmente, para saber se o rim transplantado está em risco, os médicos costumam esperar a creatinina subir no exame de sangue para só então indicar uma biópsia. 

O problema é que a creatinina é um sinal tardio, pois quando ela altera, o órgão já pode ter sofrido dano grave e irreversível. Além disso, embora os exames de expressão de genes (transcriptômica) consigam mostrar o que acontece no rim antes mesmo dos sintomas surgirem, eles geram uma montanha de dados tão complexa que é impossível para um médico interpretá-la manualmente na rotina hospitalar.

Pensando nisso, o médico nefrologista Geraldo Bezerra, docente do curso de Medicina e dos Programas de Pós-Graduação em Ciências Médicas e em Saúde Coletiva da Universidade de Fortaleza — instituição da Fundação Edson Queiroz —, desenvolveu o estudo “Previsão da sobrevida de enxertos renais com um modelo de aprendizado de máquina baseado em transcriptômica de biópsias realizadas por indicação clínica”.

Geraldo foi motivado por um dos maiores desafios da medicina de transplante: identificar precocemente os sinais de lesão no rim transplantado, antes que a perda do enxerto esteja em estágio avançado e seja mais difícil de reverter. Pela relevância médica do estudo, foi concedido aos pesquisadores o Prêmio Academia Nacional de Medicina – Área de Ciências Aplicadas à Medicina.

No trabalho, que teve parceria com a Universidade Federal do Ceará (UFC) e a Universidade Estadual Paulista (Unesp), foram utilizadas técnicas avançadas de inteligência artificial (IA) para aprimorar a previsão da sobrevida do rim transplantado. O resultado foi a criação de um algoritmo de alta precisão, com potencial para transformar a conduta clínica e impulsionar a medicina personalizada no campo do transplante renal.

O objetivo central do trabalho é permitir que a equipe médica identifique, com maior precisão e de forma antecipada, os pacientes com maior vulnerabilidade à rejeição e à falência do transplante. A partir desse diagnóstico precoce, é possível personalizar a conduta terapêutica, intensificar o monitoramento dos casos de alto risco e, consequentemente, aumentar a longevidade do órgão doado.

A pesquisa consiste no desenvolvimento de um modelo de inteligência artificial capaz de prever o risco de perda do rim transplantado por meio da análise da expressão gênica em biópsias renais. 

Em vez de se limitar aos exames laboratoriais convencionais ou às alterações observadas na microscopia tradicional, a ferramenta identifica padrões moleculares precoces associados à resposta imunológica do receptor contra o enxerto.

Para a construção do modelo, foram analisados dados de mais de 1.200 biópsias renais oriundas de seis bancos de dados internacionais. O estudo avaliou 117 algoritmos de inteligência artificial até identificar aqueles com melhor desempenho preditivo na evolução clínica dos pacientes. 

Por que essa pesquisa importa?

A pesquisa desenvolvida na Unifor apresenta um potencial de impacto muito importante para os pacientes transplantados. Hoje, um dos grandes desafios é identificar precocemente quando o rim transplantado começa a sofrer algum tipo de lesão. Muitas vezes, as alterações só se tornam evidentes quando já houve perda significativa da função do enxerto.

O estudo mostra que a análise da expressão de um conjunto de genes, combinada à inteligência artificial, pode ajudar a identificar pacientes com maior risco de perda do transplante antes que a deterioração do enxerto esteja plenamente estabelecida. Com isso, a ferramenta pode contribuir para um acompanhamento mais próximo, a identificação precoce de possíveis sinais de rejeição e as decisões de tratamento mais individualizadas.

“Na prática, isso significa caminhar para uma medicina de precisão no transplante renal. Em vez de tratar todos os pacientes da mesma forma, poderemos identificar quem realmente necessita de um acompanhamento mais intensivo ou de intervenções precoces, aumentando as chances de preservar a função do rim transplantado”, pontua o professor Geraldo Bezerra.

Além de contribuir para o acompanhamento dos pacientes, esse tipo de tecnologia pode ajudar a ampliar a vida útil dos órgãos transplantados. Cada transplante representa uma oportunidade de melhorar a vida de uma pessoa e, ao aumentar a sobrevida do enxerto, a ferramenta pode reduzir a necessidade de um novo transplante ou do retorno à diálise, com impactos positivos na qualidade de vida dos pacientes e no uso dos recursos do sistema de saúde.

Anatomia do estudo 

Para desenvolver o modelo capaz de prever a sobrevida de rins transplantados, os pesquisadores utilizaram dados públicos de pacientes acompanhados por centros internacionais de transplante renal. Ao todo, foram analisadas informações de 1.292 biópsias de rins transplantados, provenientes de seis grandes bancos de dados disponíveis na plataforma Gene Expression Omnibus (GEO).

O ponto de partida foi a análise da expressão gênica dessas biópsias. Em vez de investigar alterações no DNA, os cientistas avaliaram quais genes estavam mais ativos no tecido do rim transplantado. Essa estratégia permitiu identificar respostas biológicas associadas à ativação do sistema imunológico e aos processos inflamatórios relacionados à rejeição do órgão.

Inicialmente, os pesquisadores compararam as biópsias de pacientes que perderam o enxerto renal com aquelas de pacientes que mantiveram o órgão funcionando. A comparação identificou 11 genes cuja atividade estava significativamente aumentada nos casos de perda do transplante. 

As análises indicaram que esses genes estavam predominantemente envolvidos em mecanismos de ativação imunológica e inflamação, processos diretamente relacionados à lesão e à rejeição do enxerto.

A partir desses 11 genes, a equipe testou 117 combinações de modelos de aprendizado de máquina para identificar qual seria mais eficiente na previsão do tempo até a perda do enxerto. O modelo que apresentou o melhor desempenho foi o Gradient Boosting Machine (GBM). Entre os genes analisados, GABBR1, GZMA, IDO1, GBP5 e GBP1 foram os que tiveram maior influência nas previsões do algoritmo.

Para verificar se o modelo era capaz de funcionar em dados diferentes daqueles utilizados no desenvolvimento, os pesquisadores realizaram uma validação externa com outros grupos independentes de pacientes transplantados. O algoritmo manteve bom desempenho na identificação de sinais de rejeição em diferentes bases de dados.

Além de avaliar a capacidade de previsão, a equipe investigou os mecanismos biológicos associados aos diferentes níveis de risco. Os pacientes classificados como de maior risco apresentaram maior ativação de células de defesa e de vias relacionadas à resposta inflamatória, à apresentação de antígenos e à sinalização de células T e B, que são tipos de glóbulos brancos chamados linfócitos, que formam a base da imunidade adaptativa do corpo humano. Elas combatem vírus, bactérias e outras ameaças.

Esses achados reforçam que o modelo não apenas identificou padrões estatísticos associados à perda do enxerto, mas também capturou processos biológicos relacionados à rejeição do rim transplantado.

Resultados da pesquisa

O estudo mostrou que, já aos seis meses após o transplante, a ferramenta conseguiu identificar um alto risco de lesão no rim por meio de sinais moleculares, muito antes do problema aparecer nos exames tradicionais. Com isso, o teste previu com alta precisão se a doença iria piorar nos dois anos seguintes. 

Isso quer dizer que o teste da biópsia consegue prever se a doença vai piorar ou avançar em dois anos. O resultado indica uma boa capacidade do modelo de diferenciar pacientes que apresentaram ou não progressão da lesão.

O principal produto desta pesquisa foi o desenvolvimento de um algoritmo de inteligência artificial capaz de estimar o risco de perda do rim transplantado a partir da análise da expressão de um pequeno conjunto de genes obtidos em biópsias renais. O algoritmo foi desenvolvido e validado com grandes bases internacionais de dados e apresentou excelente capacidade de prever a evolução dos pacientes.

“Nosso objetivo é que, no futuro, esse tipo de tecnologia possa fazer parte da medicina de precisão no transplante renal, ajudando os médicos a identificar precocemente pacientes com maior risco de complicações e permitindo tratamentos cada vez mais individualizados”, afirma Geraldo Bezerra, autor do estudo. 

Próximos passos 

Apesar dos resultados promissores, o algoritmo ainda está em fase de pesquisa e validação científica e não faz parte da rotina clínica dos centros de transplante. A etapa seguinte será realizar estudos prospectivos, com pacientes acompanhados em tempo real, para confirmar a capacidade do modelo de prever a evolução do enxerto e avaliar seu desempenho em diferentes populações e cenários clínicos.

A equipe também pretende testar a ferramenta em diferentes centros de transplante, no Brasil e em outros países, além de integrar o algoritmo a outras informações dos pacientes, como: 

• Dados clínicos;
• Exames laboratoriais;
• Características das biópsias; 
• Biomarcadores, incluindo proteínas e metabólitos. 

A expectativa é que essa combinação torne as previsões mais precisas e amplie a utilidade da ferramenta no apoio à decisão médica.

Outro objetivo é transformar o algoritmo em um teste molecular padronizado, de fácil execução e custo acessível, utilizando tecnologias já disponíveis em laboratórios de diagnóstico. No futuro, a proposta é que a ferramenta possa auxiliar na identificação precoce de pacientes com maior risco de perda do enxerto e contribuir para tratamentos mais individualizados.

“Mais do que desenvolver um algoritmo, nosso objetivo é contribuir para uma nova forma de cuidar dos pacientes transplantados, utilizando inteligência artificial e medicina de precisão para aumentar a sobrevida dos enxertos e melhorar a qualidade de vida dos pacientes”, destaca o professor Geraldo.

Equipe de pesquisa

A equipe de pesquisadores responsável pelo estudo foi composta por: 

• Petrúcia Pinheiro, dos Programas de Pós-Graduação em Ciências Médicas e em Saúde Coletiva da Unifor 
• Geraldo Bezerra, dos Programas de Pós-Graduação em Ciências Médicas e em Saúde Coletiva da Unifor 
• Tainá Veras, do Programa de Pós-Graduação em Ciências Médicas, Departamento de Clínica Médica, Faculdade de Medicina da UFC
• Valberto Oliveira, do Centro de Pesquisa e Desenvolvimento de Medicamentos da UFC 
• Pedro Robson, do Centro de Pesquisa e Desenvolvimento de Medicamentos da UFC 
• Raoni da Silva, do Programa de Pós-Graduação em Ciências Médicas, Departamento de Clínica Médica, Faculdade de Medicina da UFC 
• Elizabeth Daher, do Programa de Pós-Graduação em Ciências Médicas, Departamento de Clínica Médica da UFC 
• Luis Gustavo Modelli, do Departamento de Clínica Médica da UNESP 

Esta notícia está alinhada aos Objetivos de Desenvolvimento Sustentável (ODS) da Agenda 2030 da ONU, contribuindo diretamente para o alcance do ODS 3 – Saúde e Bem-Estar, ODS 9 – Indústria, Inovação e Infraestrutura e ODS 17 – Parcerias e Meios de Implementação.

A Universidade de Fortaleza, em colaboração com a Unesp e a UFC, reafirma seu compromisso com a inovação, a pesquisa aplicada e a promoção da saúde ao transformar o conhecimento acadêmico e a inteligência artificial em soluções reais com potencial benefício direto para a população.