Estudo desenvolvido pelo doutorando Lucas Lacerda, da área de Patologia da Faculdade de Odontologia de Piracicaba (FOP) da Unicamp, recebeu o prêmio Potts de melhor pesquisa científica no Congresso da Sociedade Britânica de Patologia Oral e Maxilofacial (BSOMP). O evento aconteceu nos dias 1 e 2 de maio, em Southampton, Reino Unido.
A pesquisa, intitulada “Deep learning may differentiate B-cell and T-cell head and neck lymphomas”, foi orientada pelo professor Pablo Agustin Vargas.
Para Lucas e toda a equipe envolvida, o prêmio representa um reconhecimento valioso da importância científica e social do trabalho. “Este é um esforço conjunto da equipe de Estomatopatologia da FOP, realizado em colaboração com centros de pesquisa nacionais e internacionais que, com excelência e generosidade, têm contribuído para o avanço da ciência translacional na área da patologia. Sinto-me profundamente privilegiado por conduzir este estudo em associação com instituições de referência, o que só tem sido possível graças à Bolsa Estágio de Pesquisa no Exterior (BEPE), concedida pela FAPESP, que me permite desenvolver parte do projeto na Universidade de Sheffield, no Reino Unido, relatou, e acrescentou que tem a honra de contar com a supervisão do professor Ali Khurram, referência mundial em patologia digital, cuja orientação tem sido fundamental em todas as etapas do trabalho. “Esta conquista é, acima de tudo, um reflexo da força da ciência colaborativa, da confiança institucional e do compromisso de todos os envolvidos com a inovação em saúde. Receber este reconhecimento reforça nosso propósito de contribuir para diagnósticos mais precisos e acessíveis, com impacto real na vida dos pacientes”, disse.
O diagnóstico dos linfomas de cabeça e pescoço ainda é desafiador, especialmente para diferenciar os subtipos de células B e T, que compartilham várias características clínicas e microscópicas. Nesse contexto, a inteligência artificial (IA), em especial as redes neurais de aprendizado profundo, desponta como uma aliada promissora. Este estudo avaliou o desempenho de modelos de “Deep Learning” na classificação desses subtipos a partir de imagens digitalizadas de lâminas histopatológicas. Foram analisados 112 casos (56 de linfoma difuso de grandes células B e 56 de linfoma NK/T extranodal, tipo nasal), originados de nove centros de diagnóstico. As lâminas foram digitalizadas, segmentadas e divididas em mais de 170 mil patches. As imagens foram organizadas em 80% para treinamento, 10% para validação e 10% para teste, sem sobreposição de pacientes entre os conjuntos. Testaram-se três CNNs: ConvNeXtXLarge, ResNet50 e AlexNet. O modelo ConvNeXtXLarge obteve a melhor performance, com 95,38% de acurácia, seguido da ResNet50 (92,03%) e da AlexNet (82,43%). Os resultados demonstram o potencial da IA para apoiar diagnósticos mais precisos e ágeis, com benefícios para a diminuição do custo e melhora do prognóstico dos pacientes.
