Quantificação das nors em células epiteliais da mucosa bucal : análise humana X CNN em desordens potencialmente malignas de boca e em carcinomas espinocelulares de boca

Abstract

Objetivo: Analisar o desempenho da quantificação de AgNORs realizada pelo sistema Convolution Neural Network (CNN) comparado com a quantificação humana em células epiteliais da mucosa bucal. Materiais e métodos: Mil capturas citopatológicas coletadas de quatro grupos de pacientes (controle, expostos, desordens potencialmente malignas de boca e carcinoma espinocelular de boca) submetidas à coloração AgNOR para contabilização manual e a ferramenta desenvolvida CNN. Resultados: A análise estatística Índice de Correlação Intraclasse (ICC) demonstrou uma confiabilidade boa entre o total de AgNORs (clusters e satélites somados) atribuídos pelo sistema e pelo pesquisador (ICC = 0,892); confiabilidade moderada entre os clusters atribuídos pelo sistema e pelo pesquisador (ICC = 0,745) e uma confiabilidade moderada entre os satélites atribuídos pelo sistema e pelo pesquisador (ICC = 0,603). Demonstrando bom desempenho da CNN, quando comparada com a pesquisadora treinada, para a contabilização de AgNORs. Houve discordância entre os métodos na diferenciação entre cluster e satélite. Discussão: A ferramenta demonstra boa capacidade na marcação de AgNORs, necessitando avanços na definição entre clusters e satélites.. Conclusão: CNN demonstra boa confiabilidade na contabilização de AgNORs, possivelmente se tornando mais confiável com novos estudos com grupos amostrais maiores para treinamento da ferramenta e revisão dos seus critérios de classificação entre cluster e satélites.

Objective: To analyze the performance of AgNOR (silver-stained nucleolar organizer regions) quantification using the Convolutional Neural Network (CNN) system compared to human quantification in epithelial cells of the oral mucosa. Materials and methods: One thousand cytological samples collected from four groups of patients (control, exposed, potentially malignant disorders of the mouth, and oral squamous cell carcinoma) were subjected to AgNOR staining for manual counting and the developed CNN tool.Results: The statistical analysis using the Intraclass Correlation Coefficient (ICC) demonstrated good reliability between the total AgNORs (clusters and satellites combined) assigned by the system and the researcher (ICC = 0.892); moderate reliability between the clusters assigned by the system and the researcher (ICC = 0.745); and moderate reliability between the satellites assigned by the system and the researcher (ICC = 0.603). This indicates good performance of the CNN compared to the trained researcher for AgNOR counting. There was disagreement between the methods in differentiating between clusters and satellites. Discussion: The tool shows good capability in marking AgNORs, requiring advances in the differentiation between clusters and satellites. Conclusion: CNN demonstrates good reliability in the quantification of AgNORs, potentially becoming more reliable with further studies involving larger sample groups for tool training and the revision of classification criteria between clusters and satellites.