Exame de urina com IA alcançou 94,6% de precisão em estudo sobre câncer de bexiga

Um exame de urina pode revelar muito mais do que a presença de infecções ou alterações nos rins. A composição química desse líquido também carrega informações sobre o funcionamento do organismo e pode ajudar a identificar sinais associados a doenças. É justamente nessa possibilidade que uma nova pesquisa aposta para avançar na detecção do câncer de bexiga.

Cientistas desenvolveram um modelo de inteligência artificial (IA) capaz de analisar milhares de características metabólicas presentes na urina para diferenciar pessoas diagnosticadas com tumores na bexiga de indivíduos saudáveis.

O resultado chamou a atenção pela precisão apresentada nos testes. A tecnologia conseguiu identificar padrões associados à doença sem depender diretamente de procedimentos invasivos. Apesar disso, ainda são necessários estudos adicionais antes que a ferramenta possa ser utilizada como exame de rotina ou método de rastreamento populacional.

Urina pode carregar pistas químicas sobre a presença de tumores

O câncer de bexiga é uma doença que exige diagnóstico cuidadoso. Entre os métodos utilizados atualmente estão a cistoscopia, procedimento que permite visualizar o interior da bexiga por meio de uma câmera introduzida pela uretra, e a citologia urinária, que procura células suspeitas na amostra de urina.

Embora sejam importantes, essas abordagens apresentam limitações. A cistoscopia é invasiva, enquanto a citologia pode não identificar determinados tumores, especialmente aqueles cujas células apresentam características menos evidentes.

Nesse cenário, a metabolômica urinária surge como uma alternativa promissora para investigação. Essa área da ciência estuda pequenas moléculas produzidas ou modificadas durante as atividades metabólicas do organismo.

Quando uma doença se desenvolve, o funcionamento das células pode sofrer alterações. Consequentemente, determinadas substâncias presentes na urina também podem apresentar concentrações diferentes.

A inteligência artificial entra justamente nesse ponto: em vez de avaliar uma única molécula, ela consegue analisar simultaneamente milhares de características e procurar combinações que ajudem a distinguir diferentes condições de saúde.

Modelo analisou 847 características metabólicas

Para desenvolver e avaliar a tecnologia, os pesquisadores utilizaram amostras de 338 participantes, sendo 186 pacientes com câncer de bexiga e 152 pessoas saudáveis.

As amostras foram examinadas por meio de uma técnica laboratorial chamada cromatografia líquida acoplada à espectrometria de massas. O método permite identificar e quantificar diversas substâncias presentes em uma amostra biológica.

Após os procedimentos de controle de qualidade, foram selecionadas 847 características metabólicas para alimentar o modelo computacional.

A tecnologia utilizou redes neurais gráficas com mecanismos de atenção. Em termos simples, esse tipo de inteligência artificial consegue analisar relações entre diferentes informações, identificando quais combinações parecem mais relevantes para determinada classificação.

O objetivo era reconhecer padrões metabólicos associados ao câncer de bexiga, considerando o conjunto de informações químicas encontradas na urina.

Inteligência artificial apresentou mais de 90% de desempenho nos testes

Os resultados foram avaliados em diferentes etapas, incluindo uma validação independente. Em um grupo de 67 participantes selecionados para essa finalidade, o modelo apresentou:

• 91,9% de sensibilidade: capacidade de identificar corretamente os participantes que tinham câncer.
• 90% de especificidade: capacidade de reconhecer corretamente os indivíduos sem a doença.
• 94,6% de AUROC: medida que avalia a capacidade geral de distinguir dois grupos. Quanto mais próximo de 1, melhor o desempenho discriminatório.

Além disso, os pesquisadores testaram a tecnologia em uma segunda população, formada por 89 participantes de um quarto centro de pesquisa. Nesse conjunto independente, a AUROC chegou a 93,1%.

Esses números indicam um desempenho promissor. Entretanto, é importante compreender que uma boa precisão em um estudo diagnóstico não significa que o método já esteja pronto para substituir os exames utilizados nos hospitais.

Três processos metabólicos apareceram entre os principais sinais

Outro aspecto interessante foi a identificação de processos biológicos que contribuíram para a classificação realizada pela inteligência artificial.

As análises apontaram três áreas metabólicas de destaque:

1. Metabolismo do triptofano: envolve o processamento de um aminoácido importante para diferentes funções celulares.
2. Biossíntese de nucleotídeos: participa da produção de componentes necessários para formar o DNA e o RNA.
3. Remodelação de lipídios: está relacionada às transformações das moléculas de gordura utilizadas pelas células.

Esses processos são relevantes porque o desenvolvimento de tumores envolve alterações no funcionamento celular e no metabolismo.

Ainda assim, identificar essas associações não significa que os pesquisadores tenham comprovado que tais alterações causam o câncer. Elas funcionaram como sinais que ajudaram o algoritmo a diferenciar os grupos estudados.

Leia também:

• Uma nova estratégia tenta arrancar o HIV de dentro das células

Pesquisa abre caminho para exames menos invasivos

O estudo foi publicado em 2 de novembro de 2026, na revista científica Scientific Reports, com o título Integrating graph neural networks with urinary metabolomics for non-invasive bladder cancer detection: a multicenter case-control study. O primeiro autor é Lei Wang.

Um detalhe importante é que os pacientes com câncer tiveram seus diagnósticos confirmados por análise histológica, enquanto o grupo de controle era formado por voluntários sem sintomas.

Portanto, a pesquisa demonstrou a capacidade de diferenciar pacientes diagnosticados de pessoas saudáveis, mas não comprovou que a tecnologia consiga detectar o câncer antes do aparecimento dos sintomas.

Os próprios pesquisadores apontam a necessidade de novos estudos prospectivos, especialmente com pessoas sem sintomas, para avaliar se o método poderá funcionar como ferramenta de rastreamento.

Se os resultados forem confirmados em pesquisas maiores, a combinação entre inteligência artificial e análise metabólica da urina poderá contribuir para o desenvolvimento de métodos diagnósticos menos invasivos.