Modelos de predição de risco de morte para pacientes com carcinoma epidermoide de cabeça e pescoço

• Ano de defesa: 2020
• Autor(a) principal: Rios, Leonardo Freitas Boaventura
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de sobrevida; Árvores de decisões; Data mining; Decision trees; Head and neck neoplasms; Logistic models; Mineração de dados; Modelos logísticos; Neoplasias de cabeça e pescoço; Neural networks; Predição; Prediction; Prognosis; Prognóstico; Redes neurais; Survival analyses
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/5/5167/tde-29012021-143358/

INTRODUÇÃO: O carcinoma epidermóide de cabeça e pescoço (CECP) é uma das neoplasias malignas mais prevalentes no mundo. Assim como para diversas neoplasias, o Sistema TNM é a principal ferramenta para predição de sobrevida global em cinco anos e utiliza informações anatômicas, histopatológicas, funcionais e de infecção pelo Papilomavírus Humano (HPV). Contudo, a eficácia do TNM é questionada por categorizar pacientes em grupos de risco heterogêneos, além de não poder ser aplicado para predição de risco individualizado de morte. OBJETIVO: Criar uma ferramenta preditiva de mortalidade em cinco anos para pacientes com CECP para ser aplicada previamente ao tratamento, que fosse superior ao TNM, bem como avaliar a contribuição de dados sobre infecção pelo HPV nesta predição. MÉTODOS: estudo retrospectivo de dados prospectivamente coletados pelo grupo de pesquisa GENCAPO entre julho de 2000 e agosto de 2011. Todos os pacientes possuíam diagnóstico de carcinoma epidermoide da cavidade oral, orofaringe, hipofaringe e laringe, sem tratamento prévio e com ao menos cinco anos de seguimento. Os dados foram minerados utilizando Árvores de Classificação e Regressão, Florestas Aleatórias e Boosted and Regression Trees. Um modelo de regressão logística (RL) e outro com Redes Neurais (RN) foram criados para todos os sítios e para cada um dos sítios isoladamente. Métodos de validação interna, de discriminação por área sob a curva ROC (ASC) e calibração (Goodness of Fit) foram realizados. Amostras de tumor parafinadas de 692 pacientes foram testadas para o DNA do HPV por reação em cadeia de polimerase (PCR). O incremento preditivo do HPV foi analisado pelo coeficiente de determinação e pela ASC. RESULTADOS: A análise contou com 1811 pacientes e a taxa de positividade para o HPV foi de 8,7% para todos os sítios e 11,8% para orofaringe. Após a mineração de dados, 28 variáveis preditivas foram selecionadas. O modelo de RL para todos os sítios selecionou como variáveis significativas o volume clínico, sexo, idade e linfonodomegalia, com ASC=0,77. Já o modelo de RN obteve uma ASC=0,76. Os modelos de RL para cavidade oral e orofaringe selecionaram as mesmas variáveis que o modelo de todos os sítios, já o modelo de laringe excluiu sexo como variável, enquanto o modelo de hipofaringe selecionou apenas idade e linfonodomegalia. As medidas de ASC para cavidade oral foram: 0,78 (RL) e 0,74 (RN); para orofaringe de 0,72 (RL) e 0,65 (RN); para hipofaringe de 0,45 (RL) e 0,58 (RN); e para laringe de 0,71 (RL) e 0,76 (RN). Todos os modelos, exceto os criados para hipofaringe, apresentaram boa calibração. Comparando as curvas de sobrevida dos pacientes categorizados pelo risco calculado em quatro quartis (Q1<= 25%, 25 < Q2 <= 50%, 50 < Q3 <- 75% e Q4 > 75%), com as curvas geradas sistema TNM, as primeiras apresentaram visualmente melhor separação entre as diferentes categorias de risco. Não houve incremento preditivo ao adicionar o HPV a nenhum dos modelos. CONCLUSÃO: Foi possível criar modelos preditivos com boa performance, a partir de informações facilmente coletáveis e superior ao TNM para predição de morte em cinco anos para pacientes com CECP. Em nossa população, não houve incremento preditivo ao incluir nos modelos o status HPV