Avaliação da Inteligência Artificial no Diagnóstico e Avaliação de Risco de Lesões Orais Potencialmente Malignas

As lesões orais potencialmente malignas (OPMDs) são descritas como as lesões da mucosa que têm o potencial de se tornarem cancro oral. Consistem em leucoplasia oral (OLK), líquen plano oral (OLP), eritroplasia oral (OEK), lúpus eritematoso discóide, leucoplasia verrucosa proliferativa, leucoplasia por Candida, palato do fumador invertido, hiperplasia verrucosa, disceratose congénita, queilite actínica, ceratoacantoma e fibrose submucosa oral. Foi relatada na literatura uma prevalência de até 5% para as OPMDs, e as localizações comuns foram descritas como língua, soalho da boca e gengivas. A taxa de transformação maligna da OEK, OLK e OLP foi estimada em aproximadamente 14,3%-50%, 0,13%-17,5% e 0,4%-6,5%, respetivamente. Uma vez que muitos carcinomas de células escamosas orais (OSCCs) se desenvolvem a partir de OPMDs, os clínicos devem distinguir essas lesões com um diagnóstico e gestão minuciosos para prevenir a transformação maligna. A falta de conhecimento e consciencialização sobre as OPMDs é comum no público em geral, e estudos demonstraram que os médicos dentistas gerais não estão totalmente informados/preparados para essas entidades. Diagnosticar as OPMDs como doenças definíveis também é desafiante devido às inúmeras variedades, várias formas e características sobrepostas. No entanto, estudos descobriram que quando uma OPMD muda para uma apresentação não homogénea, é mais provável que seja considerada uma progressão adversa; por outras palavras, as lesões não homogéneas têm um risco maior de transformação maligna em comparação com as lesões homogéneas. A biópsia do tecido oral e a análise histopatológica são frequentemente consideradas o padrão-ouro para a avaliação do risco de cancro das OPMDs. No entanto, uma vez que a biópsia é um ensaio invasivo, pode não ser adequada para monitorizar o desenvolvimento crónico das OPMDs em comparação com técnicas de deteção não invasivas. Outra desvantagem é que a biópsia requer, em média, um dia e meio para um relatório. Embora exames clínicos minuciosos com a ajuda da biópsia possam revelar a maioria das OPMDs e cancros orais, outros métodos de diagnóstico, como coloração vital, microfluídica, diagnósticos salivares e plataformas de citopatologia, podem ser utilizados. A coloração com azul de toluidina (TB) é um corante metacromático básico do grupo da tiazina que mostra afinidade pelas cisternas perinucleares de ADN e ARN, com maior penetração e retenção temporária do corante nos espaços intercelulares das células que se dividem rapidamente in vivo ARN. Tem alta sensibilidade (73,9%) e baixa especificidade (30%). Relatórios concluíram que a retenção de azul de toluidina em OPMDs de alto risco e clones moleculares de alto risco, mesmo em lesões com displasia mínima ou nenhuma, foi documentada. Enquanto isso, a laranja de acridina (AO) é um fluorocromo histoquímico com uma afinidade seletiva por ácidos nucleicos. A uma concentração de 0,01% e um pH de 6, recomendados por Von Bertalanffy, o ADN fluoresce amarelo a verde esbranquiçado e o ARN vermelho. AO é um corante de baixo peso molecular, fracamente básico, que penetra facilmente nas membranas celulares. AO tem propriedades metacromáticas e, após excitação com luz azul (488 nm), emite fluorescência verde. A citologia esfoliativa é um procedimento de diagnóstico geralmente aceite para o diagnóstico precoce do cancro. A microscopia confocal de varrimento a laser é uma técnica avançada de imagem microscópica que demonstrou ter boa sensibilidade na identificação de células malignas na citologia esfoliativa. As vantagens oferecidas por esta técnica são a rapidez de processamento e análise da amostra e a adição de objetividade ao processo de diagnóstico clínico. Imagens microscópicas confocais coradas com laranja de acridina mostraram boa sensibilidade e especificidade (93%) para a deteção de OPMDs. A inteligência artificial (IA) é um ramo da ciência da computação que pode ser definido como a capacidade de um computador imitar as capacidades cognitivas de um ser humano. A IA corresponde a um vasto conjunto de técnicas. Entre elas, a aprendizagem profunda é uma tecnologia potencialmente disruptiva que tenta modelar abstrações de alto nível em imagens médicas para determinar o significado diagnóstico. A aprendizagem profunda, especificamente como implementada usando redes neuronais convolucionais (CNNs), tornou-se uma técnica convencional para classificar, detetar e segmentar objetos em imagens médicas. A Inteligência Artificial (IA) e a Aprendizagem Automática (ML) ganharam ampla atenção na odontologia para alcançar funções cognitivas dos clínicos, como diferenciação, resolução de problemas e aprendizagem. Atualmente, sistemas de diagnóstico assistido por computador (CAD) alimentados por redes neuronais convolucionais (CNN) foram capazes de detetar e classificar algumas lesões cancerígenas. Alguns estudos recentes sobre o uso de IA na deteção precoce, diagnóstico e resultado do tratamento do cancro oral concluíram que a técnica de aprendizagem automática tem o potencial de ajudar no rastreio e diagnóstico do cancro oral com base nos conjuntos de dados. Além disso, os algoritmos de aprendizagem profunda e convencional são bem-sucedidos na previsão da transformação maligna da leucoplasia oral e das lesões liquenoides orais. As CNNs profundas podem ser um método eficaz para construir dispositivos de visão com capacidade de memória limitada para o diagnóstico de cancro oral, enquanto os modelos Faster R-CNN têm o melhor desempenho de deteção, com uma AUC de 74,34% e potencial para classificação com alta sensibilidade e especificidade (100% e 90%), respetivamente, para o modelo de classificação baseado em CNN. Portanto, este estudo visa ter um modelo de algoritmo de aprendizagem profunda capaz de avaliação de risco, além de deteção e classificação de OPMDs com alta precisão, sensibilidade e especificidade em comparação com especialistas.