Análise radiômica na predição de osteoporose em tomografia computadorizada de feixe cônico

Abstract

A osteoporose, doença esquelética caracterizada pela diminuição da resistência óssea, eleva significativamente o risco de fraturas por traumas mínimos. Fraturas impactam negativamente a qualidade de vida, aumentam a necessidade de hospitalizações e elevam a mortalidade, especialmente entre idosos e mulheres pósmenopausa, grupos mais suscetíveis. Frequentemente assintomática, a osteoporose muitas vezes só é reconhecida após ocorrência de fraturas, ressaltando urgência por métodos eficazes de rastreio para indivíduos em risco elevado e, assim, mitigar seu impacto socioeconômico. Na área odontológica, Tomografia Computadorizada de Feixe Cônico (TCFC) é amplamente utilizada, sobretudo na implantodontia. Considerando que mudanças na mandíbula são frequentemente relatadas em casos de osteoporose, surge a proposta de investigar o potencial diagnóstico da TCFC como método auxiliar no rastreamento da osteoporose. Aplicações de Inteligência Artificial (IA), especialmente aquelas baseadas em radiômica, mostram eficácia no diagnóstico automatizado de diversas patologias detectando alterações teciduais. No entanto, a validade dessa abordagem para predição de osteoporose na mandíbula através da TCFC ainda não foi estabelecida. Este estudo objetivou definir a assinatura radiômica específica para osteoporose em mulheres pós-menopausa utilizando TCFC, além de desenvolver e avaliar modelos preditivos baseados nesta. De forma retrospectiva, selecionaram-se 100 mulheres pós-menopausa que realizaram TCFC e densitometria óssea por dupla emissão de fótons (DXA), incluindo casos com e sem diagnóstico de osteoporose. Foram manualmente escolhidos, por dois avaliadores, cinco sítios desegmentação em cada TCFC, abrangendo áreas do osso cortical e trabecular da mandíbula, além do osso trabecular vértebra C2. Com achados da DXA, 49 foram diagnosticadas com osteoporose e 51 não apresentaram a doença. A partir das TCFCs, extraíram-se 535 características radiômicas, divididas em categorias de shape, firstorder e textura. Os dados foram refinados para concentrar-se nos mais pertinentes à osteoporose, associando-os a medições lineares ósseas da mandíbula para embasar a elaboração de modelos de classificação baseados em Random Forest. Modelos foram treinados utilizando o conjunto completo de características radiômicas e medidas ósseas mandibulares, assim como modelos focados em subgrupos específicos de segmentação. O desempenho do modelo preditivo variou conforme a segmentação anatômica: a vértebra C2 teve o melhor desempenho com precisão e recall de 0,7551, e F1-score de 0,7400, tanto para osteoporose quanto para não osteoporose. Em contraste, a segmentação cortical mandibular direita apresentou os menores índices com precisão de 0,5600, recall de 0,5714 e F1-score de 0,5657 para osteoporose. Globalmente, a combinação de todas as segmentações elevou a acurácia do modelo para 0,7500, indicando uma eficácia maior quando múltiplas segmentações são analisadas conjuntamente. Os achados ressaltam a relevância de avaliar a qualidade óssea da mandíbula e C2 utilizando características radiômicas em TCFC, um campo ainda pouco explorado na ciência. A habilidade dos modelos testados em diferenciar mulheres pós-menopausa, com e sem osteoporose, refletem o potencial da radiômica como uma ferramenta avançada de análise de imagens. Essa técnica oferece características únicas para o desenvolvimento de modelos diagnósticos, prognósticos e preditivos. A validação desses modelos radiômicos é essencial, exigindo reprodutibilidade e generalização das características para garantir sua aplicabilidade clínica na detecção e manejo da osteoporose.