Busca avançada
Ano de início
Entree

Preditores clinicopatológicos e digitais de recorrência e malignização da leucoplasia oral e da leucoplasia verrucosa proliferativa: um estudo clínico adjunto ao uso da inteligência artificial

Processo: 22/07276-0
Modalidade de apoio:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de abril de 2023
Vigência (Término): 31 de julho de 2026
Área do conhecimento:Ciências da Saúde - Odontologia
Pesquisador responsável:Alan Roger dos Santos Silva
Beneficiário:Caique Mariano Pedroso
Instituição Sede: Faculdade de Odontologia de Piracicaba (FOP). Universidade Estadual de Campinas (UNICAMP). Piracicaba , SP, Brasil
Assunto(s):Estudo clínico   Inteligência artificial   Leucoplasia oral   Recorrência
Palavra(s)-Chave do Pesquisador:Estudo Clínico | Inteligência Artificial | leucoplasia oral | recorrência | Estomatologia/Patologia oral

Resumo

A leucoplasia oral (LO) e a leucoplasia verrucosa proliferativa (LVP) são desordens potencialmente malignas orais (DPMO) que quando apresentam displasia epitelial demandam tratamento cirúrgico. Contudo, as taxas de recorrência e de malignização da LO e da LVP persistem altas e continuam sendo um desafio clínico para os pacientes e profissionais envolvidos no tratamento. Além disso, atualmente, o uso da inteligência artificial (IA), através de modelos prognósticos, tem se mostrado como um importante método no auxílio de predição do risco de malignização de DPMOs. Portanto, o objetivo desse trabalho é avaliar a performance do tratamento cirúrgico comparando duas modalidades (laser de díodo e bisturi) na redução das taxas de recorrência e malignização de LO e LVP, como também, analisar a performance de um modelo preditivo via redes neurais de aprendizado profundo para recorrência e malignização das LO e LVP pós-tratamento. Esse estudo se designa como estudo clínico randomizado adjunto a um estudo com IA. Cento e vinte pacientes diagnosticados com LO e LVP serão randomizados em 4 braços de tratamento: (1) LO tratada com laser diodo (n=30); (2) LO tratada por bisturi (lâmina fria) (n=30); (3) LVP tratada com laser diodo (n=30) e (4) LVP tratada por bisturi (lâmina fria) (n=30). O seguimento dos pacientes recrutados e inseridos no estudo clínico será realizado em frequência trimestral, durante 24 meses, para avaliação clínica dos desfechos clínicos das intervenções. Com base em redes neurais de aprendizagem profunda (Deep Learning), dados sociodemográficos, fotos clínicas e histopatológicas dos pacientes do ensaio clínico serão utilizadas para investigação dos desfechos clínicos. Como resultado desse estudo, espera-se que o laser de diodo apresente um impacto positivo frente aos desfechos clínico, diminuindo as taxas de recorrência e malignização das LO e LVP quando comparada ao bisturi, e que a IA possa auxiliar a predizer o risco de recorrência e malignização das LO e LVP.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
ARAUJO, ANNA LUIZA DAMACENO; MORAES, MATHEUS CARDOSO; PEREZ-DI-OLIVEIRA, MARIA EDUARDA; DA SILVA, VIVIANE MARIANO; SALDIVIA-SIRACUSA, CRISTINA; PEDROSO, CAIQUE MARIANO; LOPES, MARCIO AJUDARTE; VARGAS, PABLO AGUSTIN; KOCHANNY, SARA; PEARSON, ALEXANDER; et al. Machine learning for the prediction of toxicities from head and neck cancer treatment: A systematic review with meta-analysis. Oral Oncology, v. 140, p. 15-pg., . (22/07276-0, 21/14585-7, 09/53839-2)
ARAUJO, ANNA LUIZA DAMACENO; DE SOUZA, EDUARDO SANTOS CARLOS; FAUSTINO, ISABEL SCHAUSLTZ PEREIRA; SALDIVIA-SIRACUSA, CRISTINA; BRITO-SARRACINO, TAMIRES; ADUDURATE LOPES, MARCIO; VARGAS, PABLO AGUSTIN; PEARSON, ALEXANDER T.; KOWALSKI, LUIZ PAULO; DE CARVALHO, ANDRE CARLOS PONCE DE LEON FERREIRA; et al. Clinicians' perception of oral potentially malignant disorders: a pitfall for image annotation in supervised learning. ORAL SURGERY ORAL MEDICINE ORAL PATHOLOGY ORAL RADIOLOGY, v. 136, n. 3, p. 7-pg., . (22/07276-0, 21/14585-7, 09/53839-2)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.