Patologia Digital: Análise de Imagem das Características Morfométricas Nucleares do Carcinoma Urotelial Não Músculo-Invasivo de Alto Grau - Diagnóstico e Recidiva

Abstract

Introdução: O cancro da bexiga permanece como o sexto mais prevalente na população masculina a nível mundial. As técnicas de Whole-Slide-Imaging (WSI) e de análise de imagem já demonstraram grande utilidade noutras patologias, como por exemplo o cancro da mama. Desta forma pretendeu-se aplicar estas tecnologias ao carcinoma urotelial não músculo-invasivo da bexiga (NMIBC), no sentido de pesquisar associações entre as características morfométricas nucleares e o tipo histopatológico das neoplasias (carcinoma in situ e carcinoma urotelial papilar de alto grau), o estadio (pTis/pTa/pT1) e a taxa de recidiva.Material e Métodos: Foram selecionados 55 doentes diagnosticados com NMIBC no Centro Hospitalar Universitário de Coimbra, entre 2014 e 2017. De cada doente foi selecionada uma lâmina corada com Hematoxilina-Eosina (HE), representativa da neoplasia. Efetuou-se a digitalização das lâminas através do sistema Aperio Image Software, e aplicou-se um algoritmo de análise de imagem para análise dos parâmetros morfométricos nucleares. Os parâmetros obtidos foram os seguintes: dimensão nuclear média, densidade nuclear, média de intensidade vermelho-verde-azul (RGB) nuclear e média de intensidade positiva. Foram posteriormente correlacionados com os dados anatomo-clínicos dos doentes, nomeadamente diagnóstico histológico, recorrência e estadiamento.Resultados: Não foi encontrada associação estatisticamente significativa entre os parâmetros morfométricos, dimensão nuclear média, densidade nuclear, média de intensidade RGB nuclear e média de intensidade positiva, com o diagnóstico (p=0,383; p=0,585; p=0.251; p=0,711). Também não foram identificadas diferenças estatisticamente significativas entre os referidos parâmetros e a recorrência (p=0,855; p=0,854; p=0,935; p=0,333) ou o estadiamento (p=0,171; p=0,847; p=0,222; p=0,491). Discussão: Apesar de não se ter verificado uma associação estatisticamente significativa nos parâmetros analisados, observou-se uma associação entre o estadio e os parâmetros, densidade nuclear e média de intensidade positiva. Este estudo apresentou algumas limitações que poderão ter contribuído para a ausência de associação com significado estatístico. Entre as quais contam-se, amostra de baixas dimensões, lâminas HE provenientes apenas de um laboratório e otimização do software de análise de imagem, na medida em que não foi desenvolvido para aplicação em lâminas de HE, mas sim de imuno-histoquímica, em tecido mamário.Conclusão: Este trabalho procurou contribuir para o conhecimento e desenvolvimento de aplicações das novas tecnologias de análise de imagem e de inteligência artificial na Medicina, e em concreto na Anatomia Patológica e no NMIBC.

Introduction: Bladder cancer remains as the sixth most prevalent in male population worldwide. Both Whole-Slide-Imaging (WSI) and image analysis have already shown a great deal of usefulness in other pathologies, for example in breast cancer. With this in mind, the aim of this study was to apply these same technologies in non-muscle invasive bladder cancer (NMIBC), in order to search for correlations between its morphological nuclear features and its histological classification (carcinoma in situ and high-grade papillary urothelial carcinoma), stage and recurrence rate.Material and Methods: 55 patients previously diagnosed with NMIBC in Centro Hospitalar Universitário de Coimbra, between 2014 and 2017 were selected. From each patient, one hematoxylin-eosin (HE) stained slide, representative of the neoplasm, was selected. The slides where subsequently scanned using Aperio Image Software and the nuclear features were analyzed using an algorithm-based image analysis tool. The following parameters were obtained: average nuclear size, nuclear density, average nuclear red-green-blue (RGB) intensity and average positive intensity. The aforementioned parameters were then correlated with clinicopathological data, namely histological diagnostic, recurrence and staging.Results: There was no statistically significant association between the morphological parameters, average nuclear size, nuclear density, average nuclear RGB intensity and average positive intensity, and the diagnosis (p=0,383; p=0,585; p=0.251; p=0,711). There were also no statistically significant differences between the aforementioned parameters andrecurrence (p=0,855; p=0,854; p=0,935; p=0,333) or staging (p=0,171; p=0,847; p=0,222; p=0,491).Discussion: Even though no statistically significant association was found, an association was observed between the stage and the parameters of nuclear density and average positive intensity. This study had some limitations that may have contributed to the absence of association with statistical significance. Among the most important are, a sample of low dimensions, HE stained slides obtained from a single source-laboratory and an image analysis software optimized for application in immunohistochemistry of breast tissue, instead of HE stained slides.Conclusion: This study sought to contribute to the knowledge and development of applications for these new technologies of image analysis and artificial intelligence in Medicine, and in particular in Pathology and NMIBC.