Espessura epitelial nas diferentes variantes clínicas do Líquen Plano Oral: avaliação automatizada por meio da inteligência artificial e correlação dos achados com características clínicopatológicas

Abstract

O objetivo do trabalho foi avaliar a espessura epitelial nas lâminas histopatológicas considerando as diferentes apresentações clínicas do líquen plano oral (LPO). Ainda, propor uma análise automatizada usando método computacional baseado em inteligência artificial (IA), em comparação com a análise por segmentação interativa por delineamento manual do operador (OP). Foi realizado estudo do tipo retrospectivo, transversal com revisão de prontuários de pacientes diagnosticados com LPO, selecionando àqueles com informações da variante clínica na biópsia realizada (variante com componentes exclusivos de coloração branca ? VB, e àquelas com perdas teciduais do tipo erosiva/ulcerada/atrófica, a variante vermelha ? VV). A amostra foi composta de 165 imagens advindas de 35 lâminas histológicas de 28 pacientes atendidos no Núcleo de Odontologia Hospitalar do Hospital Universitário Professor Polydoro Ernani de São Thiago (NOH/HU/UFSC/EBSERH) e no Núcleo Integrado de Estomatologia e Prótese Bucomaxilofacial (NiEP/UFSC). Imagens digitais foram capturadas no aumento original de 10x em microscopia de luz, nos cortes corados em Hematoxilina e Eosina, variando entre 1 e 10 imagens, com foco na região epitelial em contato com a mucosite de interface. A espessura epitelial foi obtida a partir do método automatizado com a criação de um código computacional desenvolvido em linguagem Python, com auxílio de IA generativa, contendo comandos de binarização pelo método de Otsu, com o epitélio sempre localizado na porção superior da imagem, e posterior cálculo das medidas médias pelo método de colunas, com a escolha do pixel superior e inferior em cada região na máscara binarizada. A segmentação interativa do operador foi feita no software ImageJ/Fiji®, com a realização de 3 medidas lineares (meio, mínima e máxima), para o cálculo da média. Em relação aos resultados, vinte e uma pacientes eram do sexo feminino (75%) com média de idade de aproximadamente 60 anos. Doze biópsias eram correspondentes ao tipo VV (34,29%) e 23 do tipo VB (65,71%). A média da espessura epitelial encontrada foi de 208,13±36,61 µm pela IA e de 289,49±88,09 µm para OP, respectivamente. Houve diferença significante entre a média (mediana IA 208,52 vs. OP 273,14, p<0,0001) e as medidas máximas (mediana IA 281,5 vs. OP 400,01, p<0,0001) entre IA e OP, mas não houve entre as medidas mínimas (p 0,23). Não houve confiabilidade significante entre IA e OP (confiabilidade alfa de Cronbach) e na plotagem de Bland-Altmann o viés médio foi de -61,50 µm. Não houve diferença significante nas espessuras calculadas por IA e OP em relação aos sítios anatômicos. Em relação a apresentação clínica, houve apenas uma tendência (p 0,052) na comparação das médias pela IA, e não pelo OP (p 0,23), e as outras medidas não mostraram diferenças entre VV e VB. Conclui-se que parece haver uma diferença na espessura epitelial média entre as variantes com componente exclusivamente branco comparada àquelas lesões com perdas ou diminuição tecidual com apresentação clínica vermelha, observada apenas pelo método automatizado criado com uso de IA. A criação de um código computacional para uma análise automatizada foi possível, no entanto, outras manobras computacionais ainda devem ser consideradas para aprimoramento do pipeline de análise e extração de medidas. As medidas lineares realizadas por operador único não mostraram diferença comparando as lesões de diferentes apresentações clínicas e entre diferentes sítios intraorais.

Abstract: This study aimed to evaluate epithelial thickness in the histological slides considering different clinical presentations of oral lichen planus (OLP). Additionally, to create an automated computational artificial intelligence (AI)-based method to evaluate epithelial thickness and to compare with manual segmentation based on operator definition and contouring (OP). A retrospective cross-sectional study was conducted through the review of clinical records from patients diagnosed with OLP. Cases were selected according to the clinical presentation documented at the time of biopsy, including lesions with exclusively white components (white variant, WV) and lesions presenting erosive, ulcerative, or atrophic (red variant, RV). The sample comprised 165 images obtained from 35 histological slides corresponding to 28 patients treated at the Hospital Dentistry Service of the Professor Polydoro Ernani de São Thiago University Hospital at the Federal University of Santa Catarina - HU/UFSC/EBSERH and at the Integrated Nucleus of Oral Medicine and Bucomaxillofacial prosthesis (NiEP/UFSC). Digital images were acquired at an original magnification of 10× under light microscopy from hematoxylin and eosin-stained sections. Between one and ten images were obtained from each case, focusing on epithelial regions adjacent to the interface mucositis. Epithelial thickness was determined using an automated method based on a computational code developed in Python with the assistance of generative AI. The algorithm used Otsu thresholding for image binarization, assuming epithelial localization in the upper portion of the image, followed by thickness calculation using a column-based approach, in which the uppermost and lowermost pixels of the binary mask of the epithelial region were identified. Interactive segmentation was performed using ImageJ/Fiji®, with three linear measurements (central, minimum, and maximum thickness) obtained for each image and subsequently with the calculus of the mean thickness. Regarding the results, patients include twenty-one female (75%) patients, with a mean age of approximately 60 years. Twelve biopsies corresponded to the RV group (34.29%) and 23 to the WV group (65.71%). Mean epithelial thickness was 208.13±36.61 µm for the AI-based method and 289.49±88.09 µm for the operator-based analysis. Significant differences were observed between AI and OP for mean thickness (median 208.52 vs. 273.14 µm, p < 0.0001) and maximum thickness (median 281.50 vs. 400.01 µm, p < 0.0001), whereas no significant difference was found for minimum thickness (p=0.23). No significant reliability was observed between AI and OP according to Cronbach?s alpha analysis, and Bland?Altman analysis demonstrated a mean bias of -61.50 µm. No significant differences in epithelial thickness were identified among anatomical sites using either method. Regarding clinical presentation comparison between RV and WV, a trend towards significance was observed whereas no difference was detected for operator-derived measurements (p=0.23). The remaining comparisons about thickness parameters showed no significant differences between RV and WV lesions. In conclusion, the findings suggest a possible difference in mean epithelial thickness between lesions presenting exclusively white clinical components and those exhibiting red clinical features associated with tissue loss or thinning, although this distinction was detected only by the AI-based method. The development of a computational tool for automated epithelial thickness analysis proved feasibility; however, additional computational strategies should be explored to improve the segmentation pipeline and measurement extraction process. Manual linear measurements performed by a single operator did not reveal differences between lesions with distinct clinical presentations and among different intraoral sites.