Biomarcadores diagnósticos, prognósticos e preditivos do câncer de pulmão baseados em radiômica: investigação de técnicas de aprendizado profundo para medicina de precisão

• Processo: 18/19533-2
• Linha de fomento: Bolsas no Brasil - Pós-Doutorado
• Vigência (Início): 01 de abril de 2019
• Vigência (Término): 31 de março de 2021
• Área do conhecimento: Engenharias - Engenharia Biomédica - Bioengenharia
• Pesquisador responsável: Paulo Mazzoncini de Azevedo Marques
• Beneficiário: José Raniery Ferreira Junior
• Instituição-sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Vinculado ao auxílio: 16/17078-0 - Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio a decisão clínica (MIVisBD), AP.TEM
• Assunto(s): Visão computacional Aprendizado computacional Reconhecimento de padrões

Resumo

O câncer de pulmão é a neoplasia maligna que mais faz vítimas em todo o mundo. A decisão terapêutica do câncer de pulmão deve levar em consideração diversos fatores além do estadiamento, como o subtipo histológico e as mutações genéticas. A radiômica pode auxiliar o diagnóstico, prognóstico e decisão terapêutica do câncer de pulmão por meio da associação de características quantitativas extraídas de imagens médicas com informações clínicas do paciente (estadio, histologia, genômica, entre outras). Uma abordagem de caracterização quantitativa de imagens que vem ganhando grande atenção da comunidade científica é baseada em aprendizado de máquina profundo, em que redes neurais convolucionais realizam a extração automática de características e estas podem fornecer um novo nível de representação das lesões ao exame de imagem. Logo, o objetivo deste projeto é investigar técnicas de aprendizado profundo em exames de tomografia computadorizada (TC) para o desenvolvimento de biomarcadores quantitativos de imagens e modelos de predição diagnóstica, prognóstica e de decisão terapêutica do câncer de pulmão baseados em radiômica. O projeto obteve autorização do Cômite de Ética em Pesquisa local para ser realizado. Uma base de tumores com histologia confirmada por biópsia ou ressecção cirúrgica foi montada retrospectivamente. Alguns modelos de redes convolucionais serão investigados, como 3D-ResNet e 3D-DenseNet, aplicados nos exames de TC e associados com os dados clínicos do paciente. Desta forma, a radiômica baseada em aprendizado profundo pode apresentar grande potencial no desenvolvimento de biomarcadores quantitativos para auxiliar o diagnóstico, prognóstico e decisão terapêutica do câncer de pulmão.