Banca de QUALIFICAÇÃO: LARISSA DI CARVALHO MELO E SILVA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : LARISSA DI CARVALHO MELO E SILVA
DATA : 21/08/2026
HORA: 09:00
LOCAL: Plataforma Teams
TÍTULO:

Análise Radiômica para Predição de Efeitos Adversos Pós-Radioterapia de Câncer de Cabeça e Pescoço

PALAVRAS-CHAVES:

Radiômica; Câncer de Cabeça e Pescoço; Radioterapia; Efeitos Adversos; Microarquitetura Óssea; Machine Learning; Segmentação Automática; CBCT

PÁGINAS: 100
RESUMO:

A radioterapia é modalidade essencial no tratamento do câncer de cabeça e pescoço, porém frequentemente associa-se a efeitos adversos significativos que comprometem a qualidade de vida dos pacientes. A radiômica, por meio da extração de características quantitativas de imagens médicas, tem emergido como uma ferramenta promissora para a predição dessas toxicidades, permitindo uma abordagem personalizada do planejamento radioterápico. Este projeto de doutorado tem como objetivo desenvolver e validar modelos preditivos baseados em radiômica para efeitos adversos pós-radioterapia em pacientes com câncer de cabeça e pescoço, estruturado em três etapas complementares. Na Etapa 1, realizou-se uma revisão sistemática da literatura, com meta-análise sempre que possível, para sintetizar a acurácia de modelos radiômicos preditivos de efeitos adversos da radioterapia. Simultaneamente, elaborou-se uma Short Communication propondo um workflow padronizado para extração de características em Tomografia Computadorizada de Feixe Cônico (CBCT), alinhado às diretrizes do Image Biomarker Standardization Initiative (IBSI). Na Etapa 2, o workflow proposto é aplicado a uma coorte de pacientes irradiados (casos) e a um grupo controle pareado, com extração de features radiômicas das regiões de interesse: cabeça da mandíbula, região abaixo do forame mentual e região de molares. O objetivo central desta etapa é identificar alterações da microarquitetura óssea por meio da análise de features de textura e morfologia, buscando biomarcadores de imagem que reflitam mudanças sutis induzidas pela radioterapia. A seleção das características mais relevantes será realizada por meio de algoritmos de aprendizado de máquina (machine learning). Na Etapa 3, propõe-se o desenvolvimento de um workflow de segmentação automática baseado em deep learning, em colaboração com instituição de pesquisa na University of Alberta (Canadá), com o objetivo de automatizar o delineamento das estruturas de interesse, tornando o processo de extração de features mais robusto, reprodutível e escalável para futuras aplicações clínicas e multicêntricas. Ao final, espera-se que este projeto contribua para a identificação de biomarcadores de imagem preditivos de toxicidade, oferecendo subsídios para o planejamento radioterápico individualizado e para o avanço da radiômica na odontologia e na radiologia maxilofacial.

MEMBROS DA BANCA:
Interno - 3437282 - ANDRE FERREIRA LEITE
Presidente - 1278451 - ELIETE NEVES DA SILVA GUERRA
Externa à Instituição - FABIANA TOLENTINO DE ALMEIDA MARQUES - UNIALBERTA
Interna - 2315081 - NILCE SANTOS DE MELO