Inteligência artificial no diagnóstico clínico e histopatológico de carcinoma espinocelular oral incipiente: um estudo multicêntrico internacional

Resumo

O carcinoma espinocelular oral é uma neoplasia maligna de alta prevalência e o seu diagnóstico precoce é uma meta desejada para reduzir as taxas de mortalidade. Para atingir esse objetivo, a identificação de lesões em estádios incipientes (CECi), como carcinoma in situ e micro invasivo é fundamental, pois são as duas apresentações mais iniciais do carcinoma espinocelular, e as suas características clínicas e histopatológicas podem ser sutis, expressando grande semelhança com doenças orais potencialmente malignas em contraste com carcinoma espinocelular oral convencional, o que deixa a sua avaliação extremamente desafiadora e difícil de elucidar, mesmo em espécimes adequados analisados por profissionais bem treinados. Além disso, fatores como experiência profissional, subjetividade e discrepâncias inter e intra observador podem muitas vezes tornar esse diagnóstico impreciso. A capacidade dos modelos artificiais de aprender e processar informações densas em pouco tempo faz com que o uso da Inteligência Artificial (IA) para diagnóstico seja inovador e engenhoso. Além disso, a IA amplia o conhecimento dos padrões biológicos da doença e abre a possibilidade a novas correlações clínico-patológicas não totalmente compreendidas até agora, gerando uma gama de possibilidades interpretativas no contexto de estudo dessas lesões, garantindo maior objetividade e reprodutibilidade e dirigindo esta linha de pesquisa na descoberta de possíveis fatores diagnósticos e prognósticos úteis no tratamento de lesões malignas incipientes. Este estudo irá desenvolver modelos de IA por meio de uma abordagem de Deep Learning (DL) através da análise de imagens clínicas e lâminas histológicas digitalizadas para identificar características clínico-patológicas com o fim de diagnosticar carcinoma espinocelular oral em estádios incipientes. Como objetivo secundário, esperamos identificar parâmetros prognósticos de imagem que ainda não foram correlacionadas na prática clínica e histopatológica na atualidade. A pesquisa será realizada na Faculdade de Odontologia de Piracicaba, Universidade Estadual de Campinas (Piracicaba). O desenvolvimento e aplicação dos algoritmos, bem como a análise da amostra serão desenvolvidos em modalidade híbrida com o apoio de engenheiros e programadores da Universidade Federal de São Paulo (UNIFESP). Todos as lâminas de vidro dos casos selecionados para compor a amostra serão digitalizados com o sistema CS Aperio ScanScope® CS e obtidos a partir do arquivo da FOP-UNICAMP como instituição proponente e dos serviços de estomatologia e patologia oral das instituições colaboradoras A.C. Camargo Cancer Center (ACCC), Universidade Federal de Rio de Janeiro (UFRJ), Universidade de São Paulo (USP), Universidad de Valparaíso (UV - Chile), Universidad Andrés Bello (UNAB - Chile), Universidad de Los Andes (ULA - Chile), Hospital El Carmen Luis Valentín Ferrada (HCLV - Chile), Universidad Central de Venezuela (UCV - Venezuela) e Universidad Nacional de Córdoba (UNC - Argentina).