Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/30359
ORCID:  http://orcid.org/0000-0002-9779-7102
Document type: Dissertação
Access type: Acesso Aberto
Title: Uso da inteligência artificial na caracterização nuclear e classificação entre leucoplasia bucal e leucoplasia verrucosa proliferativa
Alternate title (s): Use of artificial intelligence in nuclear characterization and classification between oral leukoplakia and proliferative verrucous leukoplakia
Author: Oliveira, Pedro Antônio de Ávila
First Advisor: Faria, Paulo Rogério de
First member of the Committee: Moraes, Alberto da Silva
Second member of the Committee: Silva, Marco Túllio Brazão
Summary: O carcinoma de células escamosas (CCE) de cavidade bucal é uma das neoplasias mais comuns e agressivas de cabeça e pescoço. Usualmente, o CCE é precedido por lesões denominadas desordens bucais potencialmente malignas (DBPMs). Dentre elas, a leucoplasia bucal (LB) é uma das mais prevalentes, caracterizando-se clinicamente por uma lesão branca e histologicamente por apresentar hiperparaqueratose e acantose. Uma variante da LB é a leucoplasia verrucosa proliferativa (LVP), que apesar de incomum, possui uma alta taxa de transformação maligna. Contudo, o diagnóstico diferencial entre elas ainda é um grande desafio, além do fato de ambas poderem apresentar aspectos histopatológicos muito parecidos, especialmente nas fases iniciais. Nos últimos anos, a inteligência artificial (IA) tem se revelado muito útil para fins de diagnóstico e prognóstico de neoplasias malignas e outras doenças. Trabalhos na área mostram que algoritmos computacionais conseguem detectar alterações teciduais imperceptíveis para um patologista, auxiliando no diagnóstico delas. No entanto, para lesões de boca, como o LB e LVP, não há estudos que empregam tal ferramenta para fins de diagnóstico. O objetivo deste estudo foi investigar os núcleos celulares das LBs e das LVPs através de um sistema computacional na tentativa de elucidar se esse compartimento celular se encontra diferente entre elas bem como o emprego de um classificador polinomial capaz de classificar as duas lesões somente com os aspectos nucleares extraídos. Sessenta e um casos de LB e três casos de LVP foram levantados, e as lâminas coradas em hematoxilina e eosina foram recuperadas e fotografadas para o treinamento e análise computacional. Dados clinicopatológicos e sócio-demográficos dos pacientes também foram obtidos a partir dos pedidos de exame e tabulados. Aplicou-se a rede neural Mask R-CNN como método de segmentação nuclear e o classificador polinomial para classificação de LB e LVP a partir das seguintes informações nucleares extraídas pela rede: área, perímetro, excentricidade, orientação, solidez, entropias e Índice Moran. Os dados clinicopatológicos e sócio-demográficos das LBs revelaram que a maioria dos pacientes era tabagista e do sexo masculino, enquanto nas LVPs a maioria era do sexo feminino e 1/3 sofreu transformação maligna. A rede neural empregada obteve uma média de acurácia de 92,95% na identificação dos núcleos celulares. Diferenças significantes em 11 das 13 características nucleares estudadas foram observadas entre LB e LVP, com as médias sempre maiores para as LVPs, exceto solidez. O classificador polinomial usado conseguiu classificar as duas lesões com uma média na área sob a curva (AUC) de 97,06%. Esses dados mostram que a análise de informações extraídas dos núcleos celulares por métodos computacionais pode ser uma importante ferramenta de auxílio no diagnóstico entre essas duas lesões.
Abstract: Squamous cell carcinoma (SCC) of the oral cavity is one of the most common and deadliest head and neck neoplasms. Usually, SCC is preceded by lesions known as oral potentially malignant disorders (OPMDs). Among them, oral leukoplakia (OL) is one of the most prevalent and is characterized clinically by a white lesion and histologically by presenting hyperkeratosis and acanthosis. A variant of LB is a lesion known as proliferative verrucous leukoplakia (PVL), which has a higher malignant transformation rate than others OPMDs. However, the differential diagnosis between them is still a great challenge, in addition to the fact that both may present very similar histopathological aspects, especially in their early stages. Recently, artificial intelligence (AI) has proved to be very useful for the diagnosis and prognosis of malignant neoplasms and other diseases. Studies have shown that computational algorithms can detect tissue changes undetectable to a pathologist, hence helping them diagnose. However, for oral lesions, such as OL and PVL, there are no studies that use such a tool for diagnostic purposes. This study aimed to investigate cell nuclei from OL and PVL lesions through a computer system to elucidate whether this cell compartment is altered between them and a polynomial classifier capable of classifying the two lesions only with the extracted nuclear aspects. Sixty-one and three OL and PVL lesions, respectively, were gathered, and their H&E-stained slides were recovered and photographed for training and computational analysis. Clinicopathological and socio-demographic data were also raised from the requested pathological exam and then tabulated. The Mask R-CNN neural network was applied as a nuclear segmentation method and the polynomial classifier for OL and PVL classification based on the following nuclear information extracted by the network: area, perimeter, eccentricity, orientation, solidity, entropy and Moran Index. Clinicopathological and socio-demographic data from the OL-affected patients revealed that most of them were smokers and males, while the PVL-affected patients were female, and 1/3 underwent a malignant transformation. The neural network employed obtained an average accuracy of 92.95% in the identification of cell nuclei. Significant differences in 11 of the 13 nuclear characteristics studied were observed between OL and PVL, with the averages always higher in the LVP lesions, except for solidity. The polynomial classifier classified the two lesions with an average area under the curve of 97.06%. These data showed that the analysis of the nuclei through computational methods could be an essential tool to aid the diagnosis between OL and PVL lesions.
Keywords: Leucoplasia bucal
Oral leukoplakia
Diagnóstico
Diagnosis
Inteligência artificial
Artificial intelligence
Area (s) of CNPq: CNPQ::CIENCIAS BIOLOGICAS::MORFOLOGIA::CITOLOGIA E BIOLOGIA CELULAR
Subject: Inteligência artificial
Leucoplasia bucal
Citologia
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Biologia Celular e Estrutural Aplicadas
Quote: OLIVEIRA, Pedro Antônio de Ávila. Uso da inteligência artificial na caracterização nuclear e classificação entre leucoplasia bucal e leucoplasia verrucosa proliferativa. 2020. 90 f. Dissertação (Mestrado em Biologia Celular e Estrutural Aplicadas) - Universidade Federal de Uberlândia, Uberlândia, 2020. DOI http://doi.org/10.14393/ufu.di.2020.710.
Document identifier: http://doi.org/10.14393/ufu.di.2020.710
URI: https://repositorio.ufu.br/handle/123456789/30359
Date of defense: 28-Aug-2020
Appears in Collections:DISSERTAÇÃO - Biologia Celular e Estrutural Aplicadas

Files in This Item:
File Description SizeFormat 
UsoInteligenciaArtificial.pdfDissertação3.8 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons