Exhaled Volatile Organic Compounds as Non-Invasive Biomarkers for the Diagnosis, Phenotyping, and Treatment Response Prediction in Asthma

Resumo Técnico: Compostos Orgânicos Voláteis Exalados como Biomarcadores Não Invasivos na Asma

Definição do Problema
O manejo atual da asma enfrenta um gargalo crítico: as ferramentas de avaliação clínica existentes (como testes de função pulmonar, FeNO e contagem de eosinófilos no sangue) são insuficientes para uma avaliação abrangente da doença. Esses marcadores tradicionais dependem frequentemente da cooperação do paciente, falham em capturar alterações metabólicas precoces que precedem o comprometimento funcional e refletem predominantemente as vias inflamatórias do Tipo 2. Consequentemente, eles representam inadequadamente todo o espectro dos fenótipos da asma (incluindo endótipos não Tipo 2), têm dificuldade em distinguir com precisão o status de controle da doença e possuem capacidade limitada de prever a resposta individual ao tratamento. Existe uma necessidade clínica não atendida por biomarcadores multidimensionais e não invasivos capazes de abordar simultaneamente o diagnóstico, a fenotipagem, a seleção de tratamento e o monitoramento longitudinal.

Metodologia
Este estudo empregou um delineamento de coorte observacional prospectivo de centro único, realizado entre junho e dezembro de 2025, no Primeiro Hospital Afiliado da Quarta Universidade de Medicina Militar.

• Coorte: O estudo recrutou 147 pacientes com asma (APs) e 50 controles saudáveis (HCs). Após o controle de qualidade e critérios de exclusão (ex: DPOC, amostragem incompleta, exacerbações agudas), a análise final incluiu 114 APs e 11 HCs.
• Estratificação: Os APs foram estratificados por:
  • Status de Controle: Controlada (ACG, ACT ≥ 20) vs. Não Controlada (AUCG, ACT < 20).
  • Fenótipo: Tipo 2 (T2G) vs. Não Tipo 2 (NT2G), definidos por FeNO, eosinófilos e níveis de IgE.
  • Tratamento: Combinação de Corticosteroides Inalatórios (ICS) vs. Biológico mais ICS (Bio-ICS).
  • Longitudinal: Um subgrupo de 11 pacientes forneceu amostras pareadas pré e pós-tratamento (3 meses de terapia).
• Aquisição de Dados: Amostras de ar expirado foram coletadas em sacos FEP e analisadas por Cromatografia Gasosa acoplada à Espectrometria de Massa (GC-MS) com Microextração em Fase Sólida (SPME).
• Processamento e Análise de Dados:
  • Pré-processamento: Incluiu correção de linha de base, alinhamento de picos, redução de ruído e remoção de interferência do ar ambiente. Os picos foram comparados com a biblioteca NIST2020 (qualidade > 80%).
  • Modelagem Estatística: Análises univariadas (teste Mann-Whitney U com correção FDR) e multivariadas (Análise de Discriminante de Mínimos Quadrados Parciais Ortogonais - OPLS-DA) foram utilizadas para identificar VOCs significativos.
  • Aprendizado de Máquina: Algoritmos de Floresta Aleatória (Random Forest) foram utilizados para modelagem de classificação, com desempenho avaliado via Área Sob a Curva ROC (AUC).
  • Correlação: A análise de correlação de Pearson avaliou as relações entre os VOCs e parâmetros clínicos (função pulmonar, FeNO, IgE, EOS).

Principais Contribuições

1. Perfil de VOC Holístico: O estudo avaliou sistematicamente os VOCs exalados em todo o espectro clínico da asma (diagnóstico, status de controle, fenotipagem e resposta ao tratamento) dentro de uma única coorte, abordando uma lacuna na literatura integrada.
2. Integração Multimodal: Investigou o efeito sinérgico da combinação de perfis de VOC com biomarcadores tradicionais (FeNO, IgE, EOS) para aumentar a precisão do diagnóstico e da classificação fenotípica.
3. Diferenciação de Fenótipos: O estudo forneceu assinaturas específicas de VOC que distinguem a asma Tipo 2 da Não Tipo 2, uma distinção crítica para a terapia direcionada, mas difícil de alcançar apenas com os marcadores padrão atuais.
4. Correlação Mecanística: Estabeleceu correlações entre VOCs específicos e marcadores inflamatórios clínicos/função pulmonar, sugerindo plausibilidade biológica para esses compostos como biomarcadores de doença.

Resultos

• Diagnóstico (APs vs. HCs): Dez VOCs foram identificados como discriminatórios. Oito foram subregulados em APs (ex: 4-Metildecano, 2-Metilbenzaldeído), e dois foram sobrerregulados (1-Iodododecano, Nonadecano). O modelo de aprendizado de máquina alcançou uma AUC de 0,819 (IC 95%: 0,751–0,887).
• Controle da Doença (ACG vs. AUCG): Nove VOCs diferenciaram a asma controlada da não controlada. O modelo apresentou uma AUC de 0,737 (IC 95%: 0,641–0,833).
• Resposta ao Tratamento: Quatro VOCs (incluindo Dodecano) mostraram subregulação significativa em pacientes respondendo à terapia Bio-ICS em comparação com a terapia ICS-C. A AUC preditiva foi de 0,673 (IC 95%: 0,465–0,881), indicando uma capacidade discriminatória modesta.
• Fenotipagem (T2G vs. NT2G): Quatro VOCs distinguiram os fenótipos (3 sobrerregulados em NT2G, 1 em T2G). Embora os VOCs isoladamente tenham apresentado uma AUC de 0,686, a combinação de VOCs + FeNO + IgE + EOS melhorou significativamente a AUC para 0,959 (IC 95%: 0,892–1,000), comparado a 0,909 para os marcadores clínicos isolados.
• Correlações: VOCs específicos mostraram correlações significativas com parâmetros clínicos. Por exemplo, o Fenol correlacionou-se positivamente com IgE e EOS, enquanto o Decano e o Nonadecano mostraram correlações negativas com marcadores inflamatórios. O 2,4-Dimetilundecano correlacionou-se positivamente com EOS e FeNO.

Significância e Alegações
Os autores afirmam que este estudo estabelece uma base para o uso de VOCs exalados como impressões digitais metabólicas não invasivas para a avaliação multidimensional da asma. A principal significância reside em demonstrar que:

1. Perfis de VOC podem diferenciar efetivamente pacientes asmáticos de controles saudáveis e distinguir entre estados de doença controlados e não controlados.
2. Existem variações distintas de VOC entre pacientes submetidos a diferentes regimes terapêuticos (ICS vs. Biológicos), sugerindo potencial para monitorar a eficácia do tratamento.
3. A integração de VOCs com biomarcadores tradicionais cria um arcabouço robusto para a fenotipagem de precisão, superando significativamente os marcadores tradicionais isolados na distinção entre asma Tipo 2 e Não Tipo 2.

O artigo conclui que, embora existam limitações (notadamente o tamanho da amostra e a AUC modesta para a predição da resposta ao tratamento), os achados defendem a análise do hálito como uma técnica de fácil implementação e não invasiva para identificar fenótipos inflamatórios das vias aéreas e avaliar a elegibilidade para o tratamento, potencialmente revolucionando o manejo personalizado da asma através do monitoramento metabólico em tempo real.