Modelo multicategórico e uso de ferramenta computadorizada para avaliação de indivíduos de risco para o câncer bucal

• Ano de defesa: 2024
• Autor(a) principal: Lepper, Tatiana Wannmacher
• Orientador(a): Rados, Pantelis Varvaki
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Neoplasias bucais; Leucoplasia; Citologia; Teste de Papanicolau
• Link de acesso: http://hdl.handle.net/10183/275804

O carcinoma espinocelular de boca (CEC) é ainda um grande desafio para todos os profissionais da área de saúde. Estes desafios envolvem o manejo desta forma de neoplasia maligna, mas principalmente, seu diagnóstico precoce a fim de minimizar a morbidade e a mortalidade desses pacientes. O monitoramento das desordens potencialmente malignas bucais (DPMB), como as leucoplasias e eritroplasias, tem papel fundamental para o diagnóstico precoce do CEC. Para que isto seja alcançado existem diversos métodos de detecção de alterações a nível celular bem como alterações fenotípicas a nível clínico, entretanto esta ação clínica ainda é extremamente passiva e depende do aparecimento das lesões visíveis para tomada de decisão dentre um grupo relativamente amplo de indivíduos que estão em monitoramento e que estão cumulativamente somando danos precoces para o CEC e/ou DMPB. O objetivo deste estudo foi estabelecer o peso relativo dos diferentes parâmetros de risco para o desenvolvimento de CEC, clínicos e citopatológicos, e a validade de aplicação de um sistema capaz de acelerar este monitoramento. Como principais resultados sugere-se um modelo multicategórico apresentando pontos de corte como indicadores de risco aumentado. Para análise de papanicolau o ponto de corte com maior acurácia (89%), sensibilidade (96%) e especificidade (72%) foi aumento de 17% na razão núcleo-citoplasmas associado ao sistema Bethesda modificado. Para análise de AgNOR o ponto de corte foi a observação de média acima de 3,69 NORs por núcleo, apresentando acurácia de 90% (sensibilidade 86% e especificidade 93%). O uso da inteligência artificial CNN efetivamente permitiu a aceleração da obtenção dos resultados comparáveis com a análise humana. A análise do modelo multicategórico apresentou pontuações preliminares de baixo (4-6), moderado (7-12) e alto risco (13-19) para desenvolvimento de CEC. A 8 aplicação longitudinal igualmente poderá contribuir com o monitoramento de indivíduos de risco para o CEC.