Aplicação da radiômica no diagnóstico diferencial entre ameloblastomas e cistos dentígeros

Resumo

Ameloblastomas e cistos dentígeros têm uma aparência clínica e radiográfica idêntica. Em nosso estudo, demonstramos a importância da consideração cuidadosa das características radiológicas que podem ajudar no diagnóstico diferencial não invasivo e garantir o manejo apropriado dessas lesões.

Métodos

Este foi um estudo retrospectivo incluindo 18 imagens de TC de pacientes com neoplasia mandibular (8 ameloblastomas e 10 cistos dentígeros com verificação histopatológica). Cada lesão foi segmentada manualmente usando o software 3D Slicer em imagens de TC, e características texturais foram extraídas usando a extensão Radiomics do 3D Slicer. A análise estatística foi realizada.

Resultados

Após a análise de textura, não encontramos diferenças (estatisticamente significativas) nas características baseadas em forma e nos valores de estatísticas de primeira ordem dessas lesões. Encontramos diferenças estatisticamente significativas em 13 características de segunda ordem de cistos dentígeros e ameloblastomas, a maioria delas estava intimamente correlacionada. A análise de regressão logística múltipla foi realizada para classificar as características e determinar os preditores mais significativos. O modelo final incluiu 2 características (Sombra de cluster e IMC 1) e forneceu alto valor preditivo (a área sob a curva ROC=0,93).

Conclusões

Nosso estudo piloto demonstra uma nova técnica para diagnóstico diferencial não invasivo de neoplasmas mandibulares com base em características de textura extraídas de dados de TC.

Introdução

Ameloblastoma (AB) e cisto dentígero (DC) são lesões odontogênicas benignas clinicamente comuns. Devido às diferenças significativas nos comportamentos biológicos, essas duas doenças possuem diferentes estratégias de tratamento. O manejo cirúrgico é o único método eficaz no tratamento de tumores odontogênicos, mas a escolha do método cirúrgico eficaz é controversa. O plano de tratamento para AB inclui principalmente a operação radical de ressecção parcial do osso da mandíbula, para DC – a cirurgia de preservação de descompressão combinada com curetagem. Devido aos diferentes princípios de tratamento das duas lesões, é muito importante encontrar um método de diagnóstico diferencial pré-operatório mais preciso. O diagnóstico diferencial dessas duas lesões é difícil porque compartilham muitas características clínicas e radiográficas. Portanto, é difícil diferenciar essas lesões radiograficamente, e o diagnóstico definitivo é baseado apenas em exame histopatológico. Assim, as diferenças nos achados radiográficos dessas duas lesões podem desempenhar um papel importante na realização do diagnóstico.

A conversão de imagens médicas digitais em dados de alta dimensão exploráveis é motivada pelo conceito de que as imagens biomédicas contêm informações que refletem a fisiopatologia subjacente e que essas relações podem ser reveladas por meio de análises quantitativas de imagem. Radiômica é um processo que permite a extração e análise de dados quantitativos a partir de imagens médicas. A radiômica é projetada para desenvolver ferramentas de suporte à decisão; portanto, envolve a combinação de dados radiômicos com outras características do paciente, conforme disponível, para aumentar o poder dos modelos de suporte à decisão.

Nos últimos anos, a radiômica tem sido utilizada para diagnóstico de carcinoma nasofaríngeo; previsão da resposta ao tratamento em câncer de pulmão de células não pequenas; para previsão pré-operatória de invasão microvascular em carcinoma hepatocelular; para a Avaliação Não Invasiva da Inflamação Coronária; no diagnóstico de precisão, prognóstico e planejamento de tratamento de carcinomas espinocelulares de cabeça e pescoço. A análise textural das imagens nos estudos teve como objetivo identificar biomarcadores prognósticos da imagem da doença. Esses biomarcadores objetivos estão prontamente disponíveis e têm o potencial de melhorar o tratamento personalizado e a medicina de precisão.

Hipotetizamos que a análise de textura por TC pode detectar diferenças sutis do neoplasma da mandíbula. Esta informação é necessária para determinar as táticas de tratamento corretas.

O objetivo deste estudo foi avaliar a utilidade das características de textura por TC na distinção de neoplasmas comuns da mandíbula, ou seja, ameloblastoma (AB) de cistos dentígeros (DC).

Materiais e métodos

Seleção de pacientes

Um total de 35 registros de pacientes com neoplasma da mandíbula atendidos no departamento de cirurgia maxilo-facial da Primeira Universidade Médica Estadual de Pavlov de São Petersburgo foram analisados. Os critérios de inclusão para a seleção dos registros médicos foram:

• Os casos devem apresentar um relatório da exame histopatológico de AB ou DC. As amostras foram fixadas em formalina tamponada a 10%, posteriormente foram banhadas em parafina e cortes histológicos de X micrômetros foram realizados, após coloração com hematoxilina e eosina, os cortes foram examinados sob um microscópio óptico Leica.
• Deve haver CBCT da mandíbula antes do tratamento cirúrgico.

Os critérios de exclusão foram:

• sem conclusão histológica,
• presença de lesão recorrente e com quisto odontogênico,
• fatias de imagem com artefato severo.

Excluímos 17 casos de acordo com os critérios de exclusão. Os 18 pacientes restantes: 10 pacientes com DC (9 homens, 1 mulher; idade mediana de 45 anos) e 8 pacientes com AB (2 homens, 6 mulheres; idade mediana de 58 anos) foram incluídos neste estudo.

Protocolo de imagem por TC

Os exames de TC foram realizados em tomógrafos de 64 cortes (Toshiba Aquilion 64) com 120 kV, 225 mA e 1 s/rotação, e imagens de 0,5 mm de espessura foram reconstruídas de acordo com nosso protocolo clínico institucional. Imagens axiais de 0,5 mm na reconstrução foram utilizadas para esta análise.

Interpretação de Imagem

As características das lesões foram avaliadas qualitativamente por um radiologista com 7 anos de experiência em radiologia oral e maxilofacial.

Segmentação de Imagem e Análise de Textura

A segmentação é uma etapa essencial do fluxo de trabalho de radiômica, pois características altamente distintivas serão obtidas da região segmentada de interesse que pode ser rastreada em um volume; a precisão da segmentação determinará as características de radiômica que serão extraídas. A lesão foi contornada manualmente por um radiologista oral e maxilofacial com 7 anos de experiência profissional. A segmentação da lesão foi realizada usando 3D Slicer em cada imagem axial que inclui a lesão, septo e osso periférico até 2 mm da borda visível da formação.

A extração de características é o próximo passo após a segmentação da região de interesse. É a seleção de informações úteis para auxiliar na caracterização de imagens radiológicas normais e anormais. Este passo é o coração da radiômica. Para extrair características radiômicas dos volumes segmentados manualmente, foi utilizada a extensão Radiomics do 3D Slicer.

As características extraídas foram características baseadas em forma (por exemplo, diâmetro máximo, área de superfície, volume), características de primeira ordem (baseadas em estatísticas de histograma), estatísticas de segunda ordem e de ordens superiores (baseadas em matrizes de dependência espacial).

Análise estatística

Devido ao número relativamente pequeno de casos, escolhemos métodos não paramétricos para a análise estatística: a descrição de variáveis quantitativas foi realizada com mediana e intervalo interquartil, o teste U de Mann-Whitney foi utilizado para compará-las. O teste exato de Fisher com a extensão de Freeman-Halton foi utilizado na análise de tabelas de contingência.

Resultados

Características das lesões

As características das lesões e volumes segmentados incluídos no estudo estão mostradas na Tabela 1.

A região maxilar anterior foi a localização mais frequentemente encontrada em cistos dentígeros e a região mandibular posterior foi a mais observada em ameloblastomas.

Características de textura e análise estatística

Os exemplos de volumes segmentados estão mostrados na Fig. 1.

As características baseadas em forma são descritores do tamanho e forma 3D da região de interesse. Elas são independentes da distribuição de intensidade de nível de cinza da região de interesse e fornecem uma descrição quantitativa das características geométricas da região de interesse.

As características de estatísticas de primeira ordem consideram a distribuição de valores de voxels individuais desconsiderando as relações espaciais. As características de segunda ordem são baseadas na distribuição de probabilidade conjunta de pares de voxels, descrevendo o arranjo espacial de padrões, às vezes imperceptíveis ao olho humano. Utilizamos a Matriz de Coocorrência de Nível de Cinza (GLCM), a Matriz de Comprimento de Execução de Nível de Cinza (GLRLM), a Matriz de Tamanho de Zona de Nível de Cinza (GLSZM), a Matriz de Diferença de Tom de Cinza Vizinhos (NGTDM), a Matriz de Dependência de Nível de Cinza (GLDM).

No nosso estudo, avaliamos as características de textura da imagem de TC de DC e AB. Após a análise de textura, não encontramos diferença nas características baseadas em forma e nos valores de estatísticas de primeira ordem nos dois grupos. Em nossa opinião, isso era esperado, uma vez que ambas as formações têm características radiográficas semelhantes que podem ser avaliadas superficialmente durante a análise de imagem de rotina.

Encontramos diferenças estatisticamente significativas em 13 características de segunda ordem de DC e AB (Fig. 2).

A sombra do cluster é uma medida da assimetria e uniformidade da GLCM. A proeminência do cluster é uma medida da assimetria e assimetria da GLCM. O contraste é uma medida da variação de intensidade local, favorecendo valores afastados da diagonal. A variância da diferença é uma medida de heterogeneidade que atribui pesos mais altos a pares de níveis de intensidade diferentes que mostram mais desvio da média. A Medida Informacional de Correlação é uma quantificação da complexidade da textura. A variância de dependência é a variância no tamanho da dependência na imagem. A ênfase em grande dependência é a distribuição conjunta de grande dependência com valores de nível de cinza mais baixos. A ênfase em longas sequências – uma medida da distribuição de longas sequências, com um valor maior indicativo de sequências mais longas e texturas estruturais mais grossas.

A porcentagem de sequências é uma medida da aspereza da textura, levando em conta a razão entre o número de sequências e o número de voxels na região de interesse. A variância de sequências é a variância nas sequências para os comprimentos das sequências. A variância do nível de cinza (GLSZM) é a variância nas intensidades do nível de cinza para as zonas. A porcentagem de zonas é uma medida da aspereza da textura, levando em conta a razão entre o número de zonas e o número de voxels na região de interesse. A complexidade é uma medida da não uniformidade e mudanças rápidas nos níveis de cinza.

Discussão

As mandíbulas são o único local no corpo onde o epitélio pode ser normalmente encontrado dentro do osso. O epitélio da lâmina dental está envolvido na formação do esmalte e mapeia a forma do dente. Após a conclusão da formação do dente, restos epiteliais permanecem nas mandíbulas. Esses restos dão origem a uma variedade de lesões, incluindo neoplasias, que não devem apresentar problemas de diagnóstico quando associadas a dentes, mas podem causar dificuldades em outras situações.

Dois tipos diferentes de lesões foram a amostra deste estudo: ameloblastoma e cisto dentígero. Essa seleção foi baseada em 2 fatores: a frequência e a semelhança da imagem radiográfica entre essas lesões.

Como os componentes das várias lesões são inerentemente diferentes patologicamente, as características de textura também devem ser diferentes.

Ameloblastomas são compostos de epitélio e não mostram indução de tecidos duros dentários. No tipo convencional, o epitélio pode apresentar um padrão folicular ou plexiforme, mas uma mistura de padrões é frequentemente observada dentro de um único tumor. O padrão mais comum é o folicular, caracterizado por ilhas de epitélio com palisade periférica de células colunares alongadas com polaridade invertida, na qual os núcleos estão orientados para longe da membrana basal. Essas células se assemelham aos pré-ameloblastos do desenvolvimento normal do dente. Centralmente, os folículos contêm células estelares dispostas de forma solta, mostrando semelhança com o retículo estelar do germe dentário.

Cisto dentígero consiste em revestimento epitelial e parede. Revestimento epitelial – tipicamente, 2-4 células de espessura. Células achatadas não queratinizadas com uma interface plana regular com a parede subjacente. A inflamação resulta em características idênticas ao cisto radicular. Mudanças metaplásicas com células mucosas e cílios ocorrem com mais frequência em cistos dentígeros do que em outros tipos. Amostras inflamadas também podem mostrar hiperplasia, ocasionalmente com queratinização. Corpos hialinos e até células sebáceas podem estar incluídos. Parede – tipicamente, tecido conectivo fibromixoide não inflamado (semelhante ao folículo dental) com abundante substância fundamental rica em glicosaminoglicanos. Restos epiteliais odontogênicos presentes em números variáveis e podem sofrer calcificação. Aumento da fibrose junto com clefts de colesterol e deposição de hemosiderina são vistos em cistos inflamados e de longa data.

Suponhamos que as diferenças entre as características radiômicas refletissem as diferenças na densidade de raios X dos componentes das lesões.

Conclusão

Nosso estudo piloto demonstra uma nova técnica para diagnóstico diferencial não invasivo de neoplasmas da mandíbula com base em características de textura. Esta pesquisa pode contribuir para a implementação real dessas técnicas baseadas em radiômica na prática clínica, apoiando efetivamente a tomada de decisões clínicas e promovendo a medicina de precisão.

Anna V. Lysenko, Andrey I. Yaremenko, Anna A. Zubareva, Alexander V. Shirshin, Aleksandr I. Lуubimov, Elizaveta A. Ivanova

Referências

1. Fedorov A, Beichel R, Kalpathy-Cramer J, Finet J, Fillion-Robin JC, Pujol S, et al. 3D Slicer como uma plataforma de computação de imagem para a rede de imagem quantitativa. Magn Reson Imaging. 2012 ;30(9):1323-1341. doi: 10.1016/j. mri.2012.05.001
2. van Griethuysen JJM, Fedorov A, Parmar C, Hosny A, Aucoin N, Narayan V, et al. Sistema de radiômica computacional para decodificar o fenótipo radiográfico. Cancer Res. 2017; 77(21):e104-e107. doi: 10.1158/0008-5472.CAN-17-0339
3. Duan W, Xiong B, Tian T, Zou X, He Z, Zhang L. Radiômica no carcinoma nasofaríngeo. Clin Med Insights Oncol. 2022; 16:11795549221079186. doi: 10.1177/11795549221079186
4. Chetan MR, Gleeson FV. Radiômica na previsão da resposta ao tratamento em câncer de pulmão de células não pequenas: estado atual, desafios e perspectivas futuras. Eur Radiol. 2021;31(2):1049-1058. doi: 10.1007/s00330-020-07141-9
5. Yang L, Gu D, Wei J, Yang C, Rao S, Wang W, et al. Um nomograma de radiômica para previsão pré-operatória de invasão microvascular em carcinoma hepatocelular. Liver Cancer. 2019;8(5):373-386. doi: 10.1159/000494099
6. Cheng K, Lin A, Yuvaraj J, Nicholls SJ, Wong DTL. Radiômica de tomografia computadorizada cardíaca para a avaliação não invasiva da inflamação coronária. Cells. 2021; 10(4):879. doi: 10.3390/cells10040879
7. Haider SP, Burtness B, Yarbrough WG, Payabvash S. Aplicações da radiômica no diagnóstico de precisão, prognóstico e planejamento de tratamento de carcinomas espinocelulares da cabeça e pescoço. Cancers Head Neck. 2020; 5:6. doi: 10.1186/ s41199-020-00053-7