ESPGHAN 2025: Inteligência artificial na histopatologia hepática

A inteligência artificial (IA) tem revolucionado várias áreas da saúde, incluindo a patologia. A transição para a patologia digital, iniciada na década de 2010, permitiu transformar lâminas de vidro em imagens digitais de alta resolução, os chamados whole slide images (WSI), viabilizando o uso de IA para interpretar tecidos histológicos com precisão e rapidez. No campo da histopatologia hepática, essa transformação ainda está em fase inicial, mas já demonstra um enorme potencial, especialmente com a ascensão de modelos de deep learning e de fundação (foundation models), como os utilizados em IA generativa. Diversas plenárias do Congresso Europeu de Gastroenterologia, Hepatologia e Nutrição Pediátrica (ESPGHAN 2025) trouxeram impactos da IA dentro do cenário da especialidade.

Panorama atual e avanços em tumores hepáticos

Embora a maior parte das soluções disponíveis atualmente esteja voltada à oncologia, principalmente mama e próstata, há esforços crescentes para aplicar a IA também na patologia hepática. Um exemplo promissor, apresentado no ESPGHAN 2025, está na predição da recorrência do carcinoma hepatocelular após cirurgia, utilizando modelos que integram dados clínicos, biológicos e histológicos, estes últimos extraídos por IA diretamente das lâminas digitais. Os resultados são encorajadores, com alta performance preditiva mesmo em validações externas, e com potencial de aplicação em ambientes hospitalares.

Veja também: Novas definições da doença hepática esteatótica metabólica e tratamento

IA em doenças hepáticas não-tumorais

Doenças como a esteato-hepatite metabólica (MASH), prevalente em adultos e crianças, são candidatas ideais para aplicação da IA. A biópsia hepática, apesar de ser padrão ouro, apresenta limitações como variabilidade entre observadores e avaliação apenas semi-quantitativa. Neste contexto, plataformas como AIM-NASH e HistoIndex vêm sendo desenvolvidas para uso em pesquisa e ensaios clínicos. Elas utilizam milhares de WSI para treinar modelos que não apenas classificam as lesões, mas também fornecem escores contínuos e mapas de calor, aumentando a acurácia e reprodutibilidade da análise histológica.

Outra abordagem avançada  discutida durante a sessão, inclui o uso de IA multimodal, integrando imagem histológica e transcriptômica para prever progressão da doença e eventos clínicos, como demonstrado em um estudo com pacientes com fibrose F3-F4. Esta estratégia identificou assinaturas gênicas associadas à progressão da MASH e destacou vias moleculares envolvidas.

Aplicações em hepatites e transplante hepático

Embora os estudos em hepatites autoimunes ainda sejam preliminares e com dados limitados, há modelos promissores capazes de identificar lesões histológicas com maior rapidez e consistência. Além disso, no campo do transplante hepático, modelos de aprendizado de máquina vêm sendo aplicados para prever rejeição de enxertos, priorizar alocação de órgãos e avaliar esteatose hepática em doadores com rapidez por meio de IA em lâminas coradas com  hematoxilina e eosina (H&E).

Conclusão

A aplicação da IA na histopatologia hepática está em franco desenvolvimento. Apesar de ainda ser restrita a centros de pesquisa e sem soluções comerciais amplamente disponíveis para fígado, os modelos atuais já demonstram grande potencial em diagnósticos, prognóstico e pesquisa clínica. A integração entre patologia digital, algoritmos robustos e infraestrutura adequada permitirá, no futuro próximo, uma transformação significativa na prática médica. Na prática clínica atual ainda é grande o desafio para realização e interpretação das biópsias hepáticas pediátricas no Brasil, sendo a IA uma potencial promessa de melhores resultados.

Confira os principais destaques do ESPGHAN 2025!