|
Resumo:
|
Introdução: A histomorfometria é essencial para estudos sobre qualidade óssea sendo
considerada o principal método para o estudo ósseo a nível tecidual e celular. Objetivo:
Avaliar o uso do ChatGPT e outras ferramentas computacionais na criação de códigos
para automatização de análise histomorfométrica do tecido ósseo trabecular.
Metodologia: Um estudo retrospectivo foi realizado com lâminas histológicas de duas
condições distintas: 1) osso lesional de lesões fibro-ósseas benignas, contendo dois tipos
predominantes de osso: lamelar e imaturo, corados com Tricrômico de Mallory; 2) osso
normal não patológico, obtido de peças cirúrgicas de mandibulactomia no segmento
marginal, contendo osso lamelar, corados em Hematoxilina e Eosina. Com base nas
imagens histológicas obtidas das duas condições, foram criados códigos computacionais
que visavam avaliação da distribuição espacial das trabéculas ósseas por meio da
esqueletonização em um processo automatizado. Estes códigos foram desenvolvidos
para uso no software ImageJ/FIJI, por meio da binarização usando a ferramenta
“Analyze skeleton”. Os parâmetros analisados foram: número de trabéculas (Tb.n);
número de ramos (R.n); número de junções (J.n); comprimento de ramo (CR, em μm) e
comprimento máximo de ramo (Max.CR, em μm). Para análise comparativa, usou-se o
método manual por segmentação interativa, com delineamento individual das trabéculas
por um único operador, seguido da esqueletonização. A análise comparativa foi
realizada por meio dos testes de Mann-Whitney, Wilcoxon e T pareado. Resultados:
Para o osso patológico foram criados dois códigos computacionais baseados na cor
predominante (azul ou vermelho), desenvolvido com ajuda de programadores e testado
inúmeras vezes. Para o osso normal, um código baseado em contraste foi criado
utilizando o ChatGPT, no processso de tentativa e erro, com aprimoramento do mesmo
obtido após 15 sugestões dentro do chat. Dentre essas sugestões, a melhoria do código
foi realizada com a averiguação qualititiva da estrutura binarizada sendo representativa
da trabécula, e os principais comandos que resultaram em melhorias positivas foram:
uso do filtro “Median” e da ferramenta “Enhance contrast”. Houve diferença
significante entre Tb.n para os dois métodos automatizados comparados ao método
manual (p<0,05). O método automatizado gerado com ajuda do ChatGPT mostrou
similaridade para o comprimento dos ramos comparado ao manual (p 0,16), mas
diferença comparando o Max.CR (p 0,02). Conclui-se que foi possível realizar a
histomorfometria automatizada por meio do uso de códigos computacionais. A análise
da esqueletonização mostrou que ambos os métodos automatizados mostraram a mesma
tendência de resultados com maior número de trabéculas quando comparados ao método
manual. Ainda, por serem automatizados, mostraram uma redução importante no tempo
de processamento e análise. O código gerado com ajuda do ChatGPT não mostrou
diferença na medida métrica do comprimento médio dos ramos, apenas para o maior
comprimento, mostrando que a automatização pode gerar uma subavaliação de
trabéculas muito longas. Encoraja-se o uso dos métodos automatizados em
histomorfometria óssea, principalmente em pesquisas acadêmicas, possibilitando maior
número de análises de forma mais representativa, uma vez que o processo de
automatização reduz consideravelmente o consumo de tempo na avaliação. |
