Avaliação da densidade mamária com o uso de inteligência artificial por rede neural convolucional em mulheres na pós-menopausa com síndrome de Gilbert

• Ano de defesa: 2022
• Autor(a) principal: Maesaka, Jonathan Yugo
• 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: Breast density; Breast neoplasms; Densidade da mama; Estrogênios/metabolismo; Estrogens/metabolism; Gilbert's syndrome; Neoplasias da mama; Síndrome de Gilbert
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/5/5139/tde-28042022-110517/

A síndrome de Gilbert (SG) é descrita como uma hiperbilirrubinemia indireta que ocorre na ausência de doenças hepáticas ou quadros hemolíticos. Apresenta, como principal manifestação clínica, episódios de icterícia intermitente. O aumento dos níveis séricos de bilirrubina em pacientes com SG ocorre devido à redução da atividade hepática da enzima bilirrubina-glucuroniltranferase a cerca de 30% do normal. Mudanças na via de glucuronidação podem justificar alterações no metabolismo de estrogênio e eventuais repercussões dessa exposição na mama. Procuramos avaliar a densidade mamária de mulheres na pós-menopausa com o emprego de mamografia e rede neural convolucional nesta população específica, com o propósito de identificar novas ferramentas para o seguimento das pacientes com essa síndrome. OBJETIVOS: Avaliar a densidade mamária com o uso de inteligência artificial por rede neural convolucional em mulheres na pós-menopausa com Síndrome de Gilbert. MÉTODOS: Avaliação de 52 pacientes divididas em três grupos: grupo Síndrome de Gilbert composto por 12 pacientes, grupo controle genotipado formado por 9 pacientes, e Grupo controle não genotipado constituído por 31 pacientes. Todas foram submetidas a mamografia e análise por inteligência artificial utilizando Convolutional Neural Network (CNN). RESULTADOS: No grupo de pacientes SG com mamas densas (extremamente densas e heterogeneamente densas) a CNN apresentou sensibilidade de 57,14%, especificidade de 100%, com acurácia de 75%, comparado a sensibilidade e especificidade de 100% no grupo Controle genotipado, e sensibilidade de 44,44% e especificidade de 92,31% no grupo Controle não genotipado. O coeficiente de concordância kappa das densidades mamárias avaliadas por radiologistas e pela CNN foi de 0,381 para o grupo Síndrome de Gilbert, 0,700 para o grupo Controle genotipado e 0,291 para o grupo Controle não genotipado. CONCLUSÃO: A sensibilidade da CNN em identificar as mamas densas no grupo SG foi menor que a do grupo Controle genotipado e mais semelhante à do grupo Controle não genotipado. Quando comparada a avaliação da densidade mamária pelo radiologista, a CNN possui concordância mediana no grupo Controle genotipado, porém baixa concordância em pacientes com SG. Os dados indicam a necessidade de validação do algoritmo CNN em populações com condições clínicas específicas, bem como sugere o uso de outros métodos complementares para avaliar a densidade mamária nas pacientes com SG