Métodos computacionais no câncer de cabeça e pescoço

Detalhes bibliográficos
Ano de defesa: 2026
Autor(a) principal: Barbosa, Yuri Silvestre
Orientador(a): Guerra, Eliete Neves da Silva
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://repositorio.unb.br/handle/10482/55128
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Ciências da Saúde, Programa de Pós-Graduação em Ciências da Saúde, 2026.
id UNB_b34644cb3afc854bf35e4a3fe7ef59f7
oai_identifier_str oai:repositorio.unb.br:10482/55128
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Barbosa, Yuri SilvestreGuerra, Eliete Neves da Silva2026-06-26T05:48:10Z2026-06-26T05:48:10Z2026-06-262026-01-30BARBOSA, Yuri Silvestre. Métodos computacionais no câncer de cabeça e pescoço. 2026. 117 f., il. Dissertação (Mestrado em Ciências da Saúde) — Universidade de Brasília, Brasília, Brasília, 2026.http://repositorio.unb.br/handle/10482/55128Dissertação (mestrado) — Universidade de Brasília, Faculdade de Ciências da Saúde, Programa de Pós-Graduação em Ciências da Saúde, 2026.O câncer de cabeça e pescoço (CCP) é um grupo heterogêneo de neoplasias, predominantemente constituídas por carcinomas de células escamosas, com alta incidência e mortalidade mundial e no Brasil. Fatores de risco incluem tabagismo, etilismo, radiação, infecções virais e hábitos culturais, sendo o diagnóstico precoce crucial para sobrevida, embora a maioria dos casos seja identificada tardiamente. O tratamento envolve radioterapia (RT), quimioterapia e cirurgia, entretanto, está associado a efeitos adversos significativos, como osteorradionecrose (ORN), caracterizada por necrose óssea em regiões irradiadas. Avanços computacionais, especialmente inteligência artificial (IA), machine learning e deep learning, têm potencial para aprimorar diagnóstico, estadiamento, prognóstico e suporte à decisão clínica. Abordagens complementares, como índices radiomorfométricos e dimensão fractal (DF), permitem avaliação quantitativa da microarquitetura óssea, sendo úteis para detecção precoce de alterações em pacientes irradiados. O trabalho está dividido em dois capítulos, sendo eles: (1) O Capítulo 1, que consiste em uma análise bibliométrica que incluiu 1.019 publicações sobre IA e CCP entre 1995 e 2024, utilizando Web of Science como base de busca e as ferramentas VosViewer e Biblioshiny/Bibliometrix. A maioria dos estudos identificados e incluídos (71,6%) são artigos originais, com aumento expressivo de publicações a partir de 2016, atingindo pico em 2023. Predominaram países de alta renda, evidenciando disparidade global na produção científica. Palavras-chave de destaque incluem machine learning, deep learning, radiomics e radioterapia, com foco recente em diagnóstico, predição de sobrevida e histopatologia. Conclui-se que há crescimento do uso de IA em CCP, mas são necessários mais ensaios clínicos e revisões para ampliar sua aplicação clínica global. (2) O Capítulo 2, que apresenta um estudo primário observacional transversal que avaliou os ossos mandibulares cortical e trabecular em pacientes após a RT comparando-os a controles não irradiados, utilizando tomografia computadorizada de feixe cônico (TCFC) para calcular o Índice Mentual por Tomografia Computadorizada (CTMI), o Índice Cortical por Tomografia Computadorizada (CTCI) e a DF. Não foram observadas diferenças significativas entre grupos para CTMI, CTCI ou DF. Subanálises mostraram DF trabecular maior em tumores de laringe comparado aos demias e CTMI mais elevado em pacientes avaliados com mais de 30 meses pós-RT, enquanto a DF na cortical e o CTCI não exibiram diferenças significativas na comparação do intervalo de tempo entre a RT e a execução da TCFC. Os resultados sugerem respostas ósseas heterogêneas, destacando a utilidade da TCFC para detecção precoce de alterações ósseas induzidas por RT e a necessidade de manejo individualizado dos pacientes. No geral, os métodos computacionais investigados nesse trabalho mostram potencial para uso no contexto do CCP, mas são necessários mais estudos e padronização para aplicação clínica efetivaHead and neck cancer (HNC) is a heterogeneous group of neoplasms, predominantly represented by squamous cell carcinomas, with high incidence and mortality worldwide and in Brazil. Risk factors include smoking, alcohol consumption, radiation, viral infections, and cultural habits, with early diagnosis being crucial for survival, although most cases are identified at advanced stages. Treatment involves radiotherapy (RT), chemotherapy, and surgery, but it is associated with significant adverse effects, such as osteoradionecrosis (ORN), characterized by bone necrosis in irradiated regions. Computational advances, particularly artificial intelligence (AI), machine learning, and deep learning, have the potential to improve diagnosis, staging, prognosis, and clinical decision support. Complementary approaches, such as radiomorphometric indices and fractal dimension (FD), allow quantitative assessment of bone microarchitecture, being useful for early detection of changes in irradiated patients. This work is divided into two chapters: (1) Chapter 1 consists of a bibliometric analysis of 1,019 publications on AI and HNC between 1995 and 2024, using the Web of Science as the search database and VosViewer and Biblioshiny/Bibliometrix as analysis tools. Most studies included were original articles (71.6%), with a marked increase in publications from 2016 onward, peaking in 2023. High-income countries predominated, highlighting global disparities in scientific production. Key terms included machine learning, deep learning, radiomics, and radiotherapy, with recent focus on diagnosis, survival prediction, and histopathology. It was concluded that the use of AI in HNC is growing, but more clinical trials and reviews are needed to expand its global clinical application. (2) Chapter 2 reports a study that evaluated mandibular cortical and trabecular bone in patients after RT, compared to non-irradiated controls, using cone-beam computed tomography (CBCT) to calculate the Computed Tomography Mental Index (CTMI), Computed Tomography Cortical Index (CTCI), and FD. No significant differences were observed between groups for CTMI, CTCI or FD. Sub-analyses showed higher trabecular FD in larynx tumors compared to other tumors and higher CTMI in patients evaluated more than 30 months post-RT, while cortical FD and CTCI did not exhibit significant differences when comparing the time interval between RT and CBCT acquisition. The results suggest heterogeneous bone responses, highlighting the utility of CBCT for early detection of RT-induced bone changes and the need for individualized patient management. Overall, the computational methods investigated in this work show potential for use in the HNC context, but further studies and standardization are required for effective clinical application.Faculdade de Ciências da Saúde (FS)Programa de Pós-Graduação em Ciências da SaúdeporMétodos computacionais no câncer de cabeça e pescoçoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisCabeça - câncerPescoço - câncerRadioterapiaInteligência artificialinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINALYuriSilvestreBarbosa_DISSERT.pdfYuriSilvestreBarbosa_DISSERT.pdfapplication/pdf31551134http://repositorio.unb.br/bitstream/10482/55128/1/YuriSilvestreBarbosa_DISSERT.pdf7d761b61ae6cc335cd16ab326edfc0dfMD51open accessLICENSElicense.txtlicense.txttext/plain102http://repositorio.unb.br/bitstream/10482/55128/2/license.txtaed4704d04bb260d4decd80db311aaa5MD52open access10482/551282026-06-26 02:48:11.23open accessoai:repositorio.unb.br:10482/55128U3VibWlzc8OjbyBlZmV0aXZhZGEgZGUgYWNvcmRvIGNvbSBsaWNlbsOnYSBjb25jZWRpZGEgcGVsbyBhdXRvciBlL291IGRldGVudG9yIGRvcyBkaXJlaXRvcyBhdXRvcmFpcy4KRepositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2026-06-26T05:48:11Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Métodos computacionais no câncer de cabeça e pescoço
title Métodos computacionais no câncer de cabeça e pescoço
spellingShingle Métodos computacionais no câncer de cabeça e pescoço
Barbosa, Yuri Silvestre
Cabeça - câncer
Pescoço - câncer
Radioterapia
Inteligência artificial
title_short Métodos computacionais no câncer de cabeça e pescoço
title_full Métodos computacionais no câncer de cabeça e pescoço
title_fullStr Métodos computacionais no câncer de cabeça e pescoço
title_full_unstemmed Métodos computacionais no câncer de cabeça e pescoço
title_sort Métodos computacionais no câncer de cabeça e pescoço
author Barbosa, Yuri Silvestre
author_facet Barbosa, Yuri Silvestre
author_role author
dc.contributor.author.fl_str_mv Barbosa, Yuri Silvestre
dc.contributor.advisor1.fl_str_mv Guerra, Eliete Neves da Silva
contributor_str_mv Guerra, Eliete Neves da Silva
dc.subject.keyword.pt_BR.fl_str_mv Cabeça - câncer
Pescoço - câncer
Radioterapia
Inteligência artificial
topic Cabeça - câncer
Pescoço - câncer
Radioterapia
Inteligência artificial
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Ciências da Saúde, Programa de Pós-Graduação em Ciências da Saúde, 2026.
publishDate 2026
dc.date.submitted.none.fl_str_mv 2026-01-30
dc.date.accessioned.fl_str_mv 2026-06-26T05:48:10Z
dc.date.available.fl_str_mv 2026-06-26T05:48:10Z
dc.date.issued.fl_str_mv 2026-06-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv BARBOSA, Yuri Silvestre. Métodos computacionais no câncer de cabeça e pescoço. 2026. 117 f., il. Dissertação (Mestrado em Ciências da Saúde) — Universidade de Brasília, Brasília, Brasília, 2026.
dc.identifier.uri.fl_str_mv http://repositorio.unb.br/handle/10482/55128
identifier_str_mv BARBOSA, Yuri Silvestre. Métodos computacionais no câncer de cabeça e pescoço. 2026. 117 f., il. Dissertação (Mestrado em Ciências da Saúde) — Universidade de Brasília, Brasília, Brasília, 2026.
url http://repositorio.unb.br/handle/10482/55128
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio.unb.br/bitstream/10482/55128/1/YuriSilvestreBarbosa_DISSERT.pdf
http://repositorio.unb.br/bitstream/10482/55128/2/license.txt
bitstream.checksum.fl_str_mv 7d761b61ae6cc335cd16ab326edfc0df
aed4704d04bb260d4decd80db311aaa5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1876329389937917952

Registros relacionados