Volumetria de gliomas difusos do adulto em exames de ressonância magnética do crânio com auxílio de ferramentas de inteligência artificial

• Ano de defesa: 2025
• Autor(a) principal: Coelho, Henrique Schroeder Affonso
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Adult-type diffuse gliomas; Artificial intelligence; Gliomas difusos do adulto; Image segmentation; Inteligência artificial; Magnetic resonance imaging; Ressonância magnética; Segmentação de imagens; Volumetria; Volumetry
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/17/17158/tde-25112025-172023/

Os gliomas são os tumores primários mais prevalentes do sistema nervoso central. A segmentação precisa dessas lesões em exames de ressonância magnética (RM) do crânio é fundamental para o diagnóstico e para o planejamento e monitoramento terapêutico. Este estudo teve como objetivo desenvolver e avaliar um modelo de inteligência artificial para a segmentação volumétrica de gliomas difusos do adulto em exames de RM do crânio, utilizando dados do conjunto de dados BraTS 2025 para o treinamento e uma amostra institucional do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto - USP para validação externa. Na validação interna, o modelo alcançou coeficiente de Dice de 0,9163 e função de perda de 0,2100, indicando excelente aderência às segmentações de referência. Na aplicação à amostra institucional, que foi de 21 casos, o modelo obteve coeficiente de Dice médio de 0,50, com mediana de 0,43 e desvio-padrão de 0,14. O melhor desempenho foi observado nos casos de glioblastoma, enquanto astrocitomas e oligodendrogliomas apresentaram resultados inferiores e mais heterogêneos, possivelmente em função das diferenças morfológicas nas imagens de RM. Apesar da variabilidade na precisão segmentacional, a análise volumétrica demonstrou estimativas próximas entre as segmentações manuais e automáticas, ressaltando o potencial como ferramenta auxiliar na prática clínica. Melhorias futuras incluem a ampliação da base de treinamento, com casos institucionais, e o aprimoramento da segmentação de subtipos com características diferentes de imagem.