Métodos computacionais no câncer de cabeça e pescoço

Abstract

O câncer de cabeça e pescoço (CCP) é um grupo heterogêneo de neoplasias, predominantemente constituídas por carcinomas de células escamosas, com alta incidência e mortalidade mundial e no Brasil. Fatores de risco incluem tabagismo, etilismo, radiação, infecções virais e hábitos culturais, sendo o diagnóstico precoce crucial para sobrevida, embora a maioria dos casos seja identificada tardiamente. O tratamento envolve radioterapia (RT), quimioterapia e cirurgia, entretanto, está associado a efeitos adversos significativos, como osteorradionecrose (ORN), caracterizada por necrose óssea em regiões irradiadas. Avanços computacionais, especialmente inteligência artificial (IA), machine learning e deep learning, têm potencial para aprimorar diagnóstico, estadiamento, prognóstico e suporte à decisão clínica. Abordagens complementares, como índices radiomorfométricos e dimensão fractal (DF), permitem avaliação quantitativa da microarquitetura óssea, sendo úteis para detecção precoce de alterações em pacientes irradiados. O trabalho está dividido em dois capítulos, sendo eles: (1) O Capítulo 1, que consiste em uma análise bibliométrica que incluiu 1.019 publicações sobre IA e CCP entre 1995 e 2024, utilizando Web of Science como base de busca e as ferramentas VosViewer e Biblioshiny/Bibliometrix. A maioria dos estudos identificados e incluídos (71,6%) são artigos originais, com aumento expressivo de publicações a partir de 2016, atingindo pico em 2023. Predominaram países de alta renda, evidenciando disparidade global na produção científica. Palavras-chave de destaque incluem machine learning, deep learning, radiomics e radioterapia, com foco recente em diagnóstico, predição de sobrevida e histopatologia. Conclui-se que há crescimento do uso de IA em CCP, mas são necessários mais ensaios clínicos e revisões para ampliar sua aplicação clínica global. (2) O Capítulo 2, que apresenta um estudo primário observacional transversal que avaliou os ossos mandibulares cortical e trabecular em pacientes após a RT comparando-os a controles não irradiados, utilizando tomografia computadorizada de feixe cônico (TCFC) para calcular o Índice Mentual por Tomografia Computadorizada (CTMI), o Índice Cortical por Tomografia Computadorizada (CTCI) e a DF. Não foram observadas diferenças significativas entre grupos para CTMI, CTCI ou DF. Subanálises mostraram DF trabecular maior em tumores de laringe comparado aos demias e CTMI mais elevado em pacientes avaliados com mais de 30 meses pós-RT, enquanto a DF na cortical e o CTCI não exibiram diferenças significativas na comparação do intervalo de tempo entre a RT e a execução da TCFC. Os resultados sugerem respostas ósseas heterogêneas, destacando a utilidade da TCFC para detecção precoce de alterações ósseas induzidas por RT e a necessidade de manejo individualizado dos pacientes. No geral, os métodos computacionais investigados nesse trabalho mostram potencial para uso no contexto do CCP, mas são necessários mais estudos e padronização para aplicação clínica efetiva