Como se mede resposta ao tratamento de um paciente com câncer?

Quando um paciente tem câncer e está fazendo algum tratamento, a principal pergunta que surge é “se o tumor está respondendo ao tratamento”. Mas como sabemos disso? Quais são os métodos que utilizamos para saber se o tratamento está funcionando? E quando atiramos no escuro ao fazer medicamentos sem que o tumor esteja lá, para “ver se há resposta”?

            Quando um paciente tem câncer e está fazendo algum tratamento, a principal pergunta que surge é “se o tumor está respondendo ao tratamento”. Mas como sabemos disso? Quais são os métodos que utilizamos para saber se o tratamento está funcionando? E quando atiramos no escuro ao fazer medicamentos sem que o tumor esteja lá, para “ver se há resposta”?

Saber se o tratamento está funcionando, nem sempre é fácil. Melhorar o que chamamos de “sobrevida” é o objetivo final (veremos esses conceitos mais adiante), mas outros objetivos também importam, incluindo por exemplo, qualidade de vida ou até ganhar tempo para que novas terapias surjam. Existem muitos estudos que verificam novas técnicas de avaliação de resposta, o que é muito importante, tendo em vista que isso pode ditar o tratamento subsequente, e até evitar que medicamentos ou procedimentos desnecessários sejam realizados.

Sobrevida global (SG) – É o padrão ouro do resultado. É o tempo desde o início do tratamento até a morte por qualquer causa. Esse é o mais importante desfecho, porque contabiliza também complicações pelo tratamento. Geralmente é expressa em mediana, ou seja, o momento no qual metade dos pacientes falece. Por exemplo, 1000 pacientes estão recebendo um determinado remédio para combater metástase de câncer de pulmão, se em um ano metade deles faleceram, dizemos que a mediana do tratamento é de 12 meses. Quando isso não acontece, dizemos que os dados são imaturos ou que “não foi atingida a mediana”.

Sobrevida específica por câncer (SEC) – É o tempo desde o início do tratamento até a morte decorrente da própria doença. Este resultado, também muito relevante, diz respeito exclusivamente a eventos decorrentes da evolução da doença no corpo. Por exemplo, caso o paciente morra por insuficiência respiratória devido a metástase pulmonar, esse acontecimento é contabilizado como SEC. No entanto, caso o paciente venha a falecer por insuficiência respiratória devido a uma infecção generalizada por complicações da quimioterapia, ele não entra nessa conta de SEC, apenas na de SG. Essa medida pode ser contabilizada também como mediana.

            Enfim, sobrevida é fácil de medir e de ser comparado entre estudos, mas pode haver a necessidade de um longo período de tempo para que seja demonstrado um ganho em determinada sobrevida a favor de alguma medicação, principalmente para casos iniciais ou tumores que crescem lentamente. Isso pode atrasar a introdução de certas medicações no mercado, e o paciente, uma vez que o paciente não tenha mais tratamento eficaz, ele só conseguirá ter acesso a um novo tratamento ao participar de algum estudo ou protocolo específico.

            Avaliação de Resposta ao tratamento como preditor de sobrevida

            Muitas vezes tentamos nos antecipar aos objetivos finais do tratamento, quais sejam SG ou SEC. Nesses casos utilizamos meios intermediários de medidas, a fim de predizer se o tratamento está indo na direção certa e se essas medidas interinas podem prever o resultado final. Só como exemplo, ao medirmos a presença de vírus (carga viral) em um paciente com HIV, caso ela venha negativa, ou seja, não há vírus detectável, isso quer dizer que a SG por essa doença é excelente. Mas para câncer, não é tão simples assim.

            Um dos métodos mais comuns é avaliar a resposta ao tratamento de acordo com o tamanho do tumor. Quando analisamos isso diretamente numa tomografia por exemplo, é o que chamamos de “resposta objetiva”. Em termos de população, avaliamos a proporção de pacientes naquele grupo que tiveram resposta objetiva positiva ou negativa. Intuitivamente achamos que se o tumor diminui, o tratamento é eficaz e há ganho de sobrevida; mas problema é que nem sempre isso se traduz em verdade.

            Então temos três tipos de resposta objetiva: Resposta Parcial, Progressão de doença e Resposta Completa. Na primeira, o tumor diminui mais que 30% do tamanho inicial, no segundo ele cresce mais de 20% ou surgem novas lesões. Na resposta completa, o tumor some totalmente¹. É o que chamamos de Resposta Clínica Completa. Intervalos de crescimento entre -30% e +20% caracterizam a resposta como Doença Estável. É claro que existem muitos outros parâmetros de resposta e outros exames, cada um com seu significado em relação a esses termos.

            Vou finalizar com dois comentários: o primeiro é de que nem sempre tudo que cresce é ruim. Isso mesmo. Outros pesquisadores avaliaram a densidade das lesões após um tratamento, e viram que se o interior do tumor se liquefaz, isso é ótimo, mesmo que não haja alteração em seu tamanho². O segundo comentário diz respeito ao que falei lá no início, sobre “atirar no escuro”. Muitas vezes fazemos um tratamento de “reforço”. Vamos lá, operamos o paciente, retiramos o tumor e não conseguimos ver mais nada. Como iremos medir e saber se algum tratamento está funcionando ou não? Nesses casos nos valemos de dados de grandes estudos, onde pacientes com as mesmas características foram divididos em 2-3 grupos e selecionados para fazer ou não determinada medicação. Após a cirurgia, o paciente é classificado em algum desses grupos, por analogia, e recebe uma medicação para diminuir a chance de o tumor voltar. Aqui entra um novo conceito: Tempo Livre de Doença (TLD). Quanto maior o TLD melhor. Mas o melhor mesmo é que esse tumor não volte nunca, não é mesmo?!

Escrito por: Dr. Ranyell Spencer MD PhD

1 – Schwartz LH, et al. RECIST 1.1-Update and clarification: From the RECIST committee. Eur J Cancer. 2016

2 – Lucidarme O, et al. RECIST and CHOI criteria in the evaluation of tumor response in patients with metastatic colorectal cancer treated with regorafenib, a prospective multicenter study. Cancer Imaging. 2019;19(1):85.