Multiômica amplia precisão no diagnóstico e tratamento do câncer

A integração de diferentes componentes moleculares — como DNA, RNA, proteínas e metabolismo — está ampliando a precisão no diagnóstico e no tratamento do câncer. Conhecida como multiômica, essa abordagem inovadora ajuda a entender não apenas as alterações genéticas, mas também como elas se organizam, interagem com o organismo e influenciam a resposta a terapias.

O termo deriva do sufixo “-ômica”, usado nas ciências biológicas para designar o estudo de conjuntos de moléculas ligados ao funcionamento das células. Na oncologia, a abordagem multiômica é usada para observar diferentes aspectos de um tumor, indo além da genética isolada e incorporando aspectos funcionais e ambientais que influenciam sua evolução.

“Com as análises multiômicas, há uma maior capacidade de entender não somente as células do câncer, mas também as células inflamatórias, os fibroblastos e as células normais que estão em contato com o tumor”, relata o oncologista Fernando Moura, gerente médico de Medicina de Precisão do Einstein Hospital Israelita. “Com essa compreensão, é possível aprimorar o entendimento da biologia tumoral, o diagnóstico e prever desfechos de tratamentos-alvo moleculares ou de imunoterapia, por exemplo.”

Entre as áreas “ômicas”, a genômica costuma ser o ponto de partida. Ela identifica alterações no DNA associadas ao desenvolvimento tumoral, como mutações e rearranjos. Já a transcriptômica analisa o RNA, molécula que funciona como intermediária entre as instruções do DNA e a produção de proteínas, e mostra quais genes estão ativos em determinado momento.

A proteômica observa justamente essas proteínas, responsáveis por executar boa parte das funções celulares. A metabolômica e a lipidômica revelam como o tumor utiliza energia, nutrientes e moléculas de gordura para crescer e interagir com o organismo. Por fim, a epigenômica investiga mecanismos que ligam ou desligam genes sem alterar o DNA.

“A análise multiômica envolve entender o que está acontecendo naquele tumor, acessando diferentes tipos de informação molecular, em diferentes níveis, para aprender mais e, de alguma forma, usar essa informação para eliminar a célula tumoral”, explica a professora Tathiane Maistro Malta, do Laboratório de Multiômica e Oncologia Molecular da Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo (FMRP-USP). “É como se a gente estivesse lendo diferentes livros a respeito do mesmo assunto.”

Oncologia de precisão

A incorporação e a integração de dados moleculares têm impacto direto na prática clínica. A chamada oncologia de precisão, baseada no perfil biológico do tumor, utiliza informações genômicas e, em alguns casos, outras camadas ômicas para orientar o diagnóstico, estimar o prognóstico e selecionar tratamentos.

Um estudo publicado em 2020 na Genome Medicine mostrou que a análise de perfil molecular tem sido progressivamente incorporada às decisões terapêuticas, impulsionada pelo aumento de alvos terapêuticos identificados na última década. O trabalho aponta que a integração de dados moleculares, associada a ferramentas de inteligência artificial e a biópsias líquidas, pode ajudar a prever resistência a medicamentos e ajustar o tratamento de forma mais personalizada.

“Quanto mais a gente entende da biologia do tumor, de como ele se origina e como se comporta frente às pressões que sofre, seja do sistema imunológico que está tentando combatê-lo, seja do tratamento que está sendo administrado, mais condições a gente tem de bloquear essa progressão e tentar eliminar essas células”, detalha Malta. Embora estude especificamente a multiômica em gliomas — tumores que atingem o sistema nervoso central, como o cérebro e a medula espinhal —, ela acredita que a abordagem pode beneficiar o estudo e o tratamento de diferentes tipos de câncer.

O oncologista do Einstein também vê aplicações em diversas áreas. “Em gliomas, câncer de pulmão, de mama, leucemias, câncer colorretal, por exemplo. Nesses tumores, algumas análises multiômicas colaboram ou com a melhor estratégia de tratamentos ou com uma maior capacidade de diagnóstico e prognóstico”, analisa Moura.

Parte do conhecimento gerado pelas análises ômicas já chegou à prática clínica, sobretudo no apoio ao diagnóstico. Esse avanço acompanha a evolução das tecnologias de sequenciamento de DNA e de biologia molecular nas últimas décadas. “A gente vem avançando bastante no entendimento dos tumores”, afirma a professora da FMRP-USP.

Uma investigação publicada na Cell também em 2020 integrou dados sobre DNA, RNA e proteínas para analisar tumores de mama e identificar alterações associadas à origem da doença e à resposta a terapias-alvo. O trabalho mostrou que a leitura combinada dessas camadas permite refinar subtipos moleculares e identificar processos celulares que não seriam captados apenas pela análise do DNA.

No câncer de pulmão, um artigo divulgado na Cell Reports Medicine em 2022 integrou sequenciamento de genoma completo, transcriptômica, proteômica e fosfoproteômica em adenocarcinomas e identificou subtipos moleculares, assinaturas associadas à sobrevida e potenciais vulnerabilidades terapêuticas.

No caso dos gliomas, pesquisas recentes mostram como a multiômica pode revelar alvos terapêuticos e melhorar a estratificação dos pacientes. Um trabalho publicado na Cancer Cell combinou dados para caracterizar tumores de glioblastoma, um tipo agressivo de tumor cerebral. A análise identificou subtipos moleculares com diferentes vias biológicas ativas — incluindo respostas imunes, metabolismo e ciclo celular — e mostrou que essas diferenças estão associadas a potenciais estratégias terapêuticas específicas para cada grupo.

Desafio de integração e padronização

Embora amplie a quantidade e a diversidade de informações disponíveis sobre um tumor, o desafio da multiômica é integrar esses dados para ajudarem a orientar decisões clínicas, como prognóstico, resposta a tratamentos e resistência a medicamentos. É nesse ponto que a inteligência artificial aparece na literatura científica recente como ferramenta de apoio.

Em abril, uma revisão publicada na Nature Reviews Cancer apontou que modelos computacionais podem ajudar a cruzar diferentes camadas de informação biológica e analisar o câncer como um sistema complexo. Segundo o estudo, essa integração amplia a capacidade de prever desfechos clínicos, estratificar pacientes e identificar mecanismos de resistência a tratamentos.

Outra frente de pesquisa é a transcriptômica espacial, detalhada em uma revisão publicada em 2024 no Journal of Cancer Research and Clinical Oncology. Enquanto métodos tradicionais de sequenciamento analisam o tumor de forma agregada, sem preservar a localização exata das células, essa técnica permite medir a atividade dos genes mantendo a posição das células no tecido.

Essa abordagem permite compreender melhor o microambiente tumoral, formado por células, vasos, moléculas e estruturas ao redor do tumor que influenciam seu comportamento. Ao mostrar como células cancerosas interagem com células imunes vizinhas, a transcriptômica espacial pode trazer novas informações sobre metástase, prognóstico e resposta à imunoterapia.

A ampliação dessas técnicas, porém, também impõe entraves. “Existem inúmeras tecnologias sendo desenvolvidas por diversas empresas de biotecnologia, examinando muitas vezes a mesma camada multiômica”, observa Fernando Moura. “Mas a harmonização e a padronização de dados gerados e de resultados é um desafio enorme. Os resultados, além disso, dependem de leitura acurada de técnicos e bioinformatas. Garantir qualidade dessas análises refletirá em resultados com aplicação de maior impacto.”

Uma revisão técnica de métodos de integração de informações multiômicas, publicada em 2025 na Briefings in Bioinformatics, revelou que essa dificuldade passa pela variedade dos dados e pelas diferenças entre as tecnologias usadas para gerá-los. Parte do problema está no fato de que plataformas de sequenciamento podem produzir ruídos técnicos e resultados distintos, mesmo ao analisar a mesma camada biológica. Segundo os autores, essa variação dificulta a definição de critérios clínicos consistentes.

Custo ainda é barreira

Da integração dos dados à incorporação no sistema de saúde, o caminho ainda passa por barreiras técnicas, financeiras e institucionais. No Brasil, o principal limite para a aplicação da medicina multiômica no tratamento do câncer é o custo elevado das tecnologias, tanto para pesquisa quanto para uso assistencial. “São técnicas bastante caras. O custo de implementação disso no Sistema Único de Saúde, por exemplo, ainda é inviável. Então, eu diria que o obstáculo maior é o financeiro”, avalia Tathiane Malta.

Um relatório da Lancet Oncology Commission de 2025 sobre o cuidado global em câncer mostra que a incorporação da oncologia de precisão varia entre países e dentro dos próprios sistemas de saúde, com maior presença em centros de alta renda e com mais recursos. Além do custo, existe a necessidade de capacitar profissionais de saúde para indicar e interpretar os testes, evitando uso inadequado ou resultados pouco aplicáveis.

Somada à barreira do acesso, a base científica da oncologia de precisão enfrenta um problema de representatividade. Segundo estudo publicado em 2025 na Cell Genomics, a baixa presença de populações diversas em bancos de dados biomédicos, como estudos de associação genômica e ensaios clínicos, pode perpetuar disparidades em saúde. Os pesquisadores alertam que a composição dessas bases não reflete a diversidade genética da população mundial, o que pode gerar diagnósticos menos precisos e tratamentos menos eficazes para pacientes de origens sub-representadas.

“Tudo o que a gente aprendeu até hoje vem majoritariamente de amostras de pacientes de origem europeia e norte-americana. Então, precisamos ainda trabalhar para aumentar a representatividade de amostras brasileiras. Temos um perfil genético diferente, miscigenado, e nem entendemos muito bem o impacto disso no que aprendemos nas últimas décadas a respeito de tumores e outras doenças também”, pontua Malta.

Para Moura, o Brasil ocupa uma posição favorável nessa área, com iniciativas voltadas à identificação de biomarcadores e ao desenvolvimento de novas terapias. No Einstein, segundo o oncologista, há estudos de multiômica em andamento envolvendo tumores como pâncreas, pulmão, gliomas e mieloma, com foco na compreensão mais detalhada da biologia tumoral. Um dos pilares desse trabalho é a estruturação de biobancos, que permitem coletar, armazenar e analisar amostras biológicas de forma padronizada. “A aposta é que essas estratégias se tornem rotina assistencial, não somente em oncologia, mas também em cardiologia, neurologia e doenças raras”, relata o médico.