Radiomics e análise de textura e formato no diagnóstico e prognóstico de pacientes com glioblastoma multiforme (2023)
- Authors:
- Autor USP: SOUSA, PÉRICLES CRISÓSTOMO DE - FMRP
- Unidade: FMRP
- Sigla do Departamento: RCM
- DOI: 10.11606/D.17.2023.tde-10102023-162715
- Subjects: GLIOMA; QUIMIOTERAPIA; NEOPLASIAS; PROGNÓSTICO
- Keywords: Características; Endpoints; Glioblastoma; MRI; Python; Radiomics
- Agências de fomento:
- Language: Português
- Abstract: 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 desfechoclínico 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
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2023
- Data da defesa: 06.07.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SOUSA, Péricles Crisóstomo de. Radiomics e análise de textura e formato no diagnóstico e prognóstico de pacientes com glioblastoma multiforme. 2023. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/17/17159/tde-10102023-162715/. Acesso em: 11 jun. 2024. -
APA
Sousa, P. C. de. (2023). Radiomics e análise de textura e formato no diagnóstico e prognóstico de pacientes com glioblastoma multiforme (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/17/17159/tde-10102023-162715/ -
NLM
Sousa PC de. Radiomics e análise de textura e formato no diagnóstico e prognóstico de pacientes com glioblastoma multiforme [Internet]. 2023 ;[citado 2024 jun. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17159/tde-10102023-162715/ -
Vancouver
Sousa PC de. Radiomics e análise de textura e formato no diagnóstico e prognóstico de pacientes com glioblastoma multiforme [Internet]. 2023 ;[citado 2024 jun. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17159/tde-10102023-162715/
Informações sobre o DOI: 10.11606/D.17.2023.tde-10102023-162715 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas