Uso da inteligência artificial como auxiliar no entendimento da carcinogênese oral

Resumo: Introdução: segundo o Instituto Nacional do Câncer (INCA), o câncer de cavidade oral é o 5º mais comum entre os homens e é responsável por 4,3% de mortalidade entre os pacientes acometidos. Ele pode ser precedido por desordens com potencial de malignização (DOPM), sendo a mais comum a leucoplasia oral. A leucoplasia de acordo com a Organização Mundial de Saúde (OMS) pode ser definida como uma mancha ou placa branca, não removível à raspagem, que não pode ser caracterizada clínica ou patologicamente como qualquer outra doença. Esta pode ser classificada clinicamente, como leucoplasia inicial ou delgada, homogênea ou espessa, granular, verruciforme, verrucosa proliferativa (LVP) e eritroleucoplasia. Portanto, há dificuldade na definição do seu prognóstico. Prever com precisão quais pacientes ou DOPM desenvolverão carcinoma, ainda se apresentava como algo improvável. Até hoje, o principal indicador de risco de transformação maligna é a displasia oral, contudo existe subjetividade em sua avaliação pelo patologista oral. Atualmente, há um sistema de diagnóstico por imagem auxiliado por computador, que avalia as características citológicas e histopatológicas das lesões, auxiliando na criação de uma ferramenta diagnóstica automatizada com abordagens de Inteligência Artificial usando deep learning, que compara o banco de dados com as informações inseridas para auxiliar no diagnóstico. Objetivo: construir um banco de dados sócio-demográficos e clínicos, bem como de imagens histopatológicas de lesões diagnosticadas como leucoplasia oral e carcinoma de boca para viabilizar análises usando inteligência artificial e deep learning. Metodologia: serão utilizados casos previamente selecionados de leucoplasia oral (n=72) e carcinoma de células escamosas (n=43). As lâminas histopatológicas correspondentes a esses casos serão separadas e analisadas, para posteriormente efetuar a captura nas objetivas de 10x e 40x, usando uma câmera acoplada ao microscópio ótico. As imagens serão categorizadas em subgrupos de acordo com o diagnóstico (leucoplasia x câncer) ou aspecto histopatológico (com displasia x sem displasia) para posterior construção de um sistema automatizado de diagnóstico, com base no deep learning . Resultados esperados: Espera-se conseguir um número expressivo de imagens para construir um banco de dados robusto que possa oferecer o maior número de características necessárias para responder, utilizando a inteligência artificial, as perguntas que afligem o patologista oral em sua rotina.

Data de início: 2020-06-08
Prazo (meses): 48

Participantes:

Papel	Nome
Colaborador	Tânia Regina Grão Velloso
Colaborador	Liliana Aparecida Pimenta de Barros
Coordenador	Danielle Resende Camisasca Barroso