Desenvolvimento de um algoritmo para análise da heterogeneidade intratumoral em imagens PET/CT

Abstract

A heterogeneidade intratumoral, típica de tumores sólidos, resulta da coexistência de várias subpopulações de células neoplásicas, com diferentes características biológicas, o que influencia o comportamento biológico do tumor, bem como a resposta à terapêutica. As informações encontradas nas imagens PET e CT são muito diferentes, mas complementam-se uma à outra. As imagens contidas num volume PET mostram áreas com maior atividade metabólica, enquanto as imagens de um volume CT mostram informação anatómica com grande detalhe. A combinação destas duas modalidades permite a um observador mencionar se uma região com elevada atividade metabólica e possível presença de um tumor é significativa, e se for, indicar precisamente qual a sua localização. Neste trabalho desenvolveu-se um algoritmo de análise e classificação de heterogeneidade intratumoral em Matlab® para extrair, a partir de 136 volumes de imagens 18FDG-PET/CT, os parâmetros para o modelo estatístico de classificação. Após o co-registro de volumes de 18FDG-PET/CT, quatro observadores experimentados desenharam ROI´s em cada corte, onde existiam tumores. Anteriormente, os tumores foram classificados quanto ao seu grau de heterogeneidade (4 níveis possíveis). Utilizou-se o histograma conjunto das imagens de PET e CT calculado para 8 parâmetros para o modelo de classificação. Foram modelizados 2 classificadores, um com heterogeneidade em apenas dois graus, o que permitiu o uso de uma regressão logística binária e outro com heterogeneidade em 4 graus, usando uma regressão ordinal, implementada na plataforma estatística IBM SPSS v20. Para teste e validação deste método foi desenvolvido outro algoritmo que permite simular tumores com as características desejadas, nomeadamente a localização, tamanho, grau de heterogeneidade e intensidade. Relativamente ao classificador por regressão logística binária, o ajuste do modelo foi muito bom (Cox e Snell R2 = 0,609; Nagelkerke R2=0,825), tendo uma precisão de 88,7%, uma sensibilidade de 81,3% e especificidade de 100%, enquanto com o classificador por regressão ordinal se obteve um ajuste do modelo bom (Cox e Snell R2 = 0,610, Nagelkerke R2= 0,655) e este classificou corretamente: grau 0 – 70,8%; grau 1 – 60,0%; grau 2 – 45,2% e grau 3 – 72,7% dos casos. Os modelos desenvolvidos classificaram com sucesso os novos tumores de acordo com seu grau de heterogeneidade. Pode-se verificar que os parâmetros calculados a partir do histograma conjunto são uma nova forma para a alimentação de algoritmos de classificação e parecem ser robustos para diferentes utilizadores. A heterogeneidade intratumoral está diretamente relacionada com a agressividade tumoral, podendo esta abordagem vir a desempenhar um papel importante na radioterapia, permitindo a definição de estratégias terapêuticas mais eficazes na debelação do tumor. Assim, conseguir-se-ia um tratamento mais rápido e eficaz, com a eliminação de toda a massa tumoral, diminuindo a probabilidade de recidiva. Palavras-chave: Heterogeneidade Intratumoral, PET/CT, Regressão Logística, Regressão Ordinal, Modelo Estatístico