DISSERTAÇÃO DE MESTRADO #785 – BÁRBARA REGINA MELO RIBEIRO – 27/02/2026

A avaliação prognóstica convencional do câncer baseia-se em critérios histopatológicos que frequentemente carecem da resolução quantitativa necessária para capturar a complexidade do microambiente tumoral (MAT). A arquitetura da matriz extracelular de colágeno (MEC), por exemplo, desempenha um papel crítico, porém ambíguo na progressão tumoral e na resposta imune. Assim, persiste uma lacuna importante na quantificação objetiva dessas alterações estruturais e na sua visualização robusta com os prognósticos clínicos. Para abordar essa lacuna, o presente estudo utiliza uma metodologia quantitativa e automatizada para caracterizar o MAT e correlacionar suas propriedades morfológicas com indicadores prognósticos relevantes. Foram examinadas biópsias humanas de melanoma cutâneo de 55 pacientes submetidos a tratamento no Instituto Nacional do Câncer (INCA), coradas com Picrosirius Red e contracoradas com hematoxilina e eosina (H&E). Como análise qualitativa complementar, foram comprovadas 5 biópsias humanas de pele saudável. Para esta análise, foram feitas imagens de microscopia não linear por Geração de Segundo Harmônico (SHG) e Fluorescência por Excitação de Dois Fótons (TPEF). As imagens foram comprovadas utilizando o software Python Fibrous Image Analysis Toolkit (Pyfibre), que permite a exclusão gratuita de 29 parâmetros quantitativos do MEC. Essas parâmetros compuseram a base de dados do modelo classificado, juntamente com as classes histopatológicas de cada biópsia. Para construir este modelo, foi feita a seleção dos atributos mais relevantes, através da Eliminação Recursiva de Atributos com Validação Cruzada (RFECV), utilizando o modelo Random Forest como estimador. A avaliação da robustez do modelo foi feita aplicando a Validação Cruzada Aninhada (Nested CV), para diferentes hiperparâmetros, e a Avaliação Multi-Seed para diferentes estados de aleatoriedade. Complementarmente à modelagem preditiva, fez-se uma análise estatística individual dos 29 parâmetros em diferenciar as classes histopatológicas. Os resultados obtidos demonstram que essa técnica pode auxiliar a identificar e diferenciar as classes histopatológicas do melanoma cutâneo, além da diferenciação da região interna e da derme próxima do tumor. Neste último caso, utilizando 20% dos dados para treino, foi possível classificar a região intratumoral com acurácia de 0,83 ± 0,02, AUC ROC média de 0,89 ± 0,02 e precisão média de 0,93 ± 0,03.