@PHDTHESIS{ 2020:1831812394, title = {Termografia e comparação da performance de algoritmos de Machine Learn para análise preditiva de diagnóstico diferencial de queilite actínica e carcinoma de células escamosas de lábio}, year = {2020}, url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/4131", abstract = "Introdução: A termografia médica infravermelha, não invasiva e não ionizante, é um exame auxiliar utilizado para detectar anormalidades no perfil de temperatura dos pacientes para descobrir uma patologia ou inflamação subjacente. Dessa forma, tal método torna-se de grande valia para o auxílio diagnóstico de lesões de lábio. O lábio é uma região comumente agredida pela radiação ultravioleta, principalmente em indivíduos expostos cronicamente ao sol sem a devida utilização de protetores solares. Dentre as lesões que se desenvolvem na região dos lábios, principalmente em lábio inferior, estão a queilite actínica (QA) e o carcinoma de células escamosas de lábio inferior (CCELI), cujo diagnóstico conclusivo é realizado através da biópsia incisional. Objetivos: Avaliar a utilização da termografia no diagnóstico da QA e CCELI, através do aprendizado de máquina. Materiais e Métodos: O estudo foi do tipo observacional, com técnica de amostragem não probabilística, por conveniência. A amostra foi constituída por 65 indivíduos, agrupados em: grupo-teste (33 indivíduos com lesões em lábio) e grupo-controle (32 indivíduos sem lesões em lábio). As imagens termográficas foram obtidas através da câmera FLIR T650sc®. Através da utilização de matriz de coocorrência com 9 atributos, a amostra final correspondeu a 312 imagens termográficas. Também foram realizadas biópsias incisionais para análise microscópica dos casos de QA e CCELI, utilizando-se a classificação morfológica da OMS (2005; 2017). Para o desenvolvimento do algoritmo foi utilizada a linguagem Python. Para a aprendizagem de máquina, foram utilizados três classificadores (KNN, SVM e RND). Foram utilizadas a biblioteca Panda, para tratamento e análise de dados, e Scikit learn para aprendizagem de máquina. Utilizou-se a matriz de confusão para avaliação de acurácia, sensibilidade e precisão. Resultados: Um total de 27 casos de QA (81,8%) com forte predileção por homens (n=18; 66,7%) de pele clara (n=21; 77,8%) e idade média de 52,3 ± 13,9 foram observados. Para os casos de CCELI, foram diagnosticados 6 (18,2%), sendo 66,6% (n=4) de indivíduos brancos, todos do sexo masculino com idade média de 47,83 ± 14,66. Desses indivíduos 63,6% (n=21) trabalhavam expostos cronicamente ao sol, sem o uso de protetor labial (n=24; 71,7%) e 69,7% (n=23) negaram hábitos como alcoolismo e tabagismo apresentando nível de escolaridade baixo (n=26; 78,8%). No tocante a análise morfológica, 48,2% (n=13) casos de QA foram diagnosticados como hiperqueratose e 37,0% (n=10) como displasia epitelial leve, e 83,3% (n=5) como CCELI bem diferenciado. Entre os classificadores avaliados, o RND apresentou maior acurácia entre os grupos teste e controle (97,33%) e entre QA e CCELI (95,55%). O classificador RND exibiu apenas 6,4% de falsos negativos no grupo teste e nenhum no grupo-controle. Entre QA e CCELI, o classificador RND não exibiu falso negativo para QA e apenas 2,5% de falsos negativos para CCELI. Conclusões: Através do aprendizado de máquina, utilizando o classificador RND, sugere-se que a termografia pode ser utilizada como uma tecnologia de saúde para o diagnóstico clínico da QA e o CCELI. Dessa forme, inúmeros benefícios, como o diagnóstico precoce do câncer de lábio e a diminuição dos custos públicos utilizados para o tratamento dessa neoplasia maligna.", publisher = {Universidade Estadual da Paraíba}, scholl = {Programa de Pós-Graduação em Odontologia - PPGO}, note = {Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP} }