Radiomics e análise de textura e formato no diagnóstico e prognóstico de pacientes com glioblastoma multiforme

• Ano de defesa: 2023
• Autor(a) principal: Sousa, Péricles Crisóstomo de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Características; Endpoints; Glioblastoma; MRI; Python; Radiomics
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/17/17159/tde-10102023-162715/

Devido à alta heterogeneidade tecidual e capacidade infiltrativa tumoral, o diagnóstico, prognóstico e tratamento do Glioblastoma Multiforme (GBM) se apresenta como um complexo desafio. Atualmente, o padrão ouro em termos de tratamento é a cirurgia seguida de quimioterapia e radioterapia, seguido de quimioterapia. O uso de imagens vem obtendo cada vez mais relevância no importante papel de fornecer informação para o diagnóstico preciso e monitoramento, em especial imagens de ressonância magnética (RNM). Características radiômicas extraídas de sequências de RNM estão sendo crescentemente usadas para correlação com o prognóstico da doença. Foram realizados contornos nos exames de RNM pós-operatória de 61 pacientes, utilizando um sistema de planejamento de Radioterapia, e foram gerados três segmentos para cada paciente (lesão e cavidade cirúrgica, edema e lesão mais edema). Um método para extração de características radiômicas, com a finalidade de buscar correlações com o mau prognóstico de pacientes com GBM, é apresentado. Foram extraídas 107 características quantitativas radiômicas para cada segmento volumétrico específico de cada um dos 61 pacientes diagnosticados com a doença entre 2009 e 2021, com uso do software 3D Slicer usando o plugin Radiomics. Para este estudo, analisamos o uso de características radiômicas na predição de sobrevida global (SG), sobrevida livre de progressão de doença (SLPD) e recidiva (RECURR), utilizando recursos estatísticos baseados em regressão logística e aprendizado de máquina. Os resultados obtidos demonstraram alta acurácia dos modelos propostos para os desfechos clínicos SG e RECURR, tendo como destaque algumas características radiômicas de segunda ordem, como Dependence Non-Uniformity, Dependence Variance e Large Dependence High Gray Level Emphasis. Dentre os resultados, observamos destaque para o desfecho clínico SG, que obteve medida acurácia ROC de 93%. Para o desfecho clínico SLPD em até 18 meses, a característica radiômica Large Dependence High Gray Level Emphasis obteve o melhor resultado discriminatório para o segmento cavidade mais edema. Dos 61 pacientes, somente 45 tiveram tinham informações completas para análise do desfecho clínico RECURR e foi obtido resultado de 84% de acurácia pelo modelo preditivo.