Osteoartrite na articulação temporomandibular: análise integrativa de marcadores por imagem, clínicos e biomoleculares

• Autor(a) principal: Bianchi, Jonas [UNESP]
• Data de Publicação: 2019
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/191186
• topic: Osteoartrite; Tomografia Computadorizada de Feixe Cônico; Biomarcadores; Osteoarthritis; Cone-Beam Computed Tomography; Biomarkers

A osteoartrite (OA) é a forma mais comum das artrites. Na articulação temporomandibular (ATM) ela se destaca por causar degeneração da cartilagem de forma progressiva, remodelação do tecido ósseo condilar, quadros agudos e crônicos de dor. Atualmente, o diagnóstico da OA na ATM vem se tornando mais preciso, devido ao desenvolvimento de novas tecnologias, exames por imagem como a tomografia computadorizada de feixe cônico (TCFC) de alta resolução, análises computacionais e inteligência artificial. Dessa forma, esse trabalho teve como principal objetivo avaliar possíveis novos biomarcadores para a OA utilizando marcadores clínicos, por imagem e biomoleculares. Os objetivos secundários foram de comparar diferentes softwares para análises dos marcadores por imagem; avaliar o poder de diagnóstico desses marcadores; e por fim, desenvolver um modelo integrativo utilizando inteligência artificial, dados clínicos, biomoleculares e por imagem para o diagnóstico da OA na ATM. Como metodologia, foram desenvolvidos 3 artigos científicos, apresentados em sequência nessa tese. Nossa amostra foi composta por pacientes com diagnóstico clínico de OA na ATM e pacientes controles, sendo que foram coletados exames de TCFC, sangue, saliva e dados clínicos. Nossos resultados mostraram que o software desenvolvido pelo nosso grupo para análises das imagens é confiável e que os novos marcadores por imagens são capazes de diferenciar pacientes controles e com OA. Também demonstramos que nosso modelo estatístico integrativo de marcadores clínicos, biomoleculares, por imagem e inteligência artificial é capaz de diagnosticar a doença com acurácia de 0.837 ([0.761,0.902]). Por fim, nossos resultados sugerem que diferentes biomarcadores e uma integração estatística e computacional dos dados podem diagnosticar a doença e que estudos futuros devem ser realizados a fim de avaliar o comportamento das variáveis em relação a predição da AO na ATM.