O papel do [18F]FDG PET/CT na predição histológica do câncer de pulmão de não pequenas células: uma abordagem de aprendizado de máquina baseada em radiômica (2025)
- Authors:
- Autor USP: SANTOS, LEONARDO ALEXANDRE - Interunidades em Bioengenharia
- Unidade: Interunidades em Bioengenharia
- Sigla do Departamento: Programa Interunidades em Bioengenharia: EESC/FMRP/IQSC-USP
- DOI: 10.11606/T.82.2025.tde-19012026-152313
- Subjects: NEOPLASIAS PULMONARES; TOMOGRAFIA COMPUTADORIZADA POR EMISSÃO DE PÓSITRON; APRENDIZADO COMPUTACIONAL
- Keywords: radiômica
- Language: Português
- Abstract: Introdução: Em oncologia clínica, a biópsia de tecido neoplásico e a investigação histopatológica são ferramentas diagnósticas valiosas na avaliação de casos de câncer de pulmão não pequenas células (CPNPC). Apesar de a avaliação histopatológica ser o procedimento padrão-ouro nesta caracterização, ela pode apresentar vieses relacionados à qualidade do procedimento executado ou à amostra biopsiada. A imagem metabólica de [^[18]F]FDG PET/CT é amplamente utilizada no acompanhamento do CPNPC, auxiliando na identificação de metástases e melhorando o estadiamento e o planejamento terapêutico. Porém, a imagem metabólica pode ser melhor explorada na caracterização histológica dos tipos de CPNPC por atributos radiômicos, complementando a informação preliminar apresentada pela avaliação histopatológica. O objetivo deste estudo foi avaliar como as imagens de [^[18]F]FDG PET/CT em CPNPC, podem apresentar atributos radiômicos que caracterizem a heterogeneidade metabólica tumoral entre diferentes classes histológicas. Materiais e métodos: Exploramos 115 imagens de [^[18]F]FDG-PET-CT de pacientes diagnosticados com CPNPC, com confirmação histopatológica para as classes de adenocarcinoma (Adc.) e carcinoma de células escamosas (CCE). Um total de 2.082 atributos radiômicos de primeira, segunda e ordem superior, foram extraídos das imagens de PET, por meio de seis métodos distintos de segmentação. Os atributos radiômicos extraídos pelo método de segmentação manual, foram associados a outras variáveis clínicas, demográficas e genômicas, antes de serem utilizados para a construção de modelos de aprendizado de máquina para predição de classe histológica. Nós selecionamos cinco métodos de seleção de atributos (ANOVA, MI, PCA, LASSO e RFECV) e seis métodos preditores (SVM, kNN, GNB, DT, RF e XGBoost), os quaisforam combinados de forma cruzada para compor 30 modelos de aprendizado de máquina que fossem capazes de diferenciar as classes histológicas de CPNPC de Adc e CCE. As métricas de performance F1-score e AUC foram avaliadas ao longo das etapas de validação e teste para os modelos de aprendizagem, e os atributos de maior importância para cada modelo foram representados em uma distribuição SHAP para melhor interpretabilidade dos resultados. Os atributos radiômicos e não radiômicos de maior frequência entre os métodos avaliados, foram ranqueados de acordo com a sua importância como bioassinaturas da classe investigada e a performance do modelo de classificação que ele estivesse associado. Resultados: Os modelos que apresentaram maior AUC na identificação de casos de CCE foram os de ANOVA/SVM (0,94) para a etapa de validação e PCA/GNB e RFECV/SVM (0,86) para a etapa de teste. Na representação dos atributos radiômicos que representaram melhor as características fenotípicas de cada classe histológica temos o gradiente/GLCM/ldn para CCE e Wavelet (HLH)/GLSZM/Small Area High Gray Level Emphasis para os casos de Adc. Conclusão: Por fim, o presente estudo foi capaz de identificar e caracterizar um rol de assinaturas radiômicas, obtidas a partir de imagem de [^[18]F] FDG PET/CT, que evidenciaram, de forma reprodutível e estável, características fenotípicas do metabolismo tumoral em nódulo primário para as classes histológicas de Adc e CCE em casos de CPNPC
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 21.05.2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SANTOS, Leonardo Alexandre. O papel do [18F]FDG PET/CT na predição histológica do câncer de pulmão de não pequenas células: uma abordagem de aprendizado de máquina baseada em radiômica. 2025. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/82/82131/tde-19012026-152313/. Acesso em: 21 jan. 2026. -
APA
Santos, L. A. (2025). O papel do [18F]FDG PET/CT na predição histológica do câncer de pulmão de não pequenas células: uma abordagem de aprendizado de máquina baseada em radiômica (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/82/82131/tde-19012026-152313/ -
NLM
Santos LA. O papel do [18F]FDG PET/CT na predição histológica do câncer de pulmão de não pequenas células: uma abordagem de aprendizado de máquina baseada em radiômica [Internet]. 2025 ;[citado 2026 jan. 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/82/82131/tde-19012026-152313/ -
Vancouver
Santos LA. O papel do [18F]FDG PET/CT na predição histológica do câncer de pulmão de não pequenas células: uma abordagem de aprendizado de máquina baseada em radiômica [Internet]. 2025 ;[citado 2026 jan. 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/82/82131/tde-19012026-152313/ - Avaliação comparativa dos diferentes métodos de quantificação de imagens de SPECT com 99mTc: um estudo de validação utilizando um fantoma antropomórfico estriatal
- Temporal evolution of postsurgical bone repair in a rabbit model: a [99mTc]Tc-MDP scintigraphic study
- Temporal and spatial changes in cerebral blood flow in neuropsychiatric systemic lupus erythematosus: a subtraction brain spect study
- Reference values for dopamine transporter imaging with 99mTc-TRODAT-1 in healthy subjects and Parkinson’s disease patients
- Parkinson's disease and levodopa-induced dyskinesias: a quantitative analysis through 99mTc-TRODAT-1 SPECT imaging of the brain
- Sleeve gastrectomy with pyloroplasty in wistar rats: Assessment of gastric emptying, intestinal transit, and possible duodenogastric alkaline reflux
- Pharmacodynamic effect of gabapentin on central nervous system in patients with chronic low back pain: a [99mTc]Tc-ECD SPECT study
- Changes in cerebral glucose metabolism among mild long COVID patients: an [18F]FDG PET/CT study
- Neurobiological substrates of chronic low back pain (CLBP): a brain [99mTc]Tc-ECD SPECT study
Informações sobre o DOI: 10.11606/T.82.2025.tde-19012026-152313 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
