Uma pesquisa em curso no IFGW pretende desenvolver uma metodologia que visa aperfeiçoar os estudos sobre a exposição de pacientes, à radiação, nos exames de imagem para diagnóstico de câncer de mama. O projeto é financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp) e está sob a responsabilidade da professora Alessandra Tomal, que integra o grupo de Física Radiológica Médica, do Departamento de Física Aplicada (DFA).
O câncer de mama é considerado o mais letal no país entre as mulheres - são cerca de 15 mil mortes por ano -, e esse número seria muito maior não fossem as campanhas que apelam para que a população feminina faça os exames anuais preventivos, necessários para o rastreamento da doença, detecção e diagnóstico precoce. A mamografia é o principal deles.
Os exames de rastreamento salvam milhares de vidas, mas a exposição da mama ao feixe de radiação também implica em riscos, porque, conforme Tomal, os raios X usados na realização do exame são considerados um tipo de radiação ionizante e o tecido glandular da mama tem uma alta radiossensibilidade, resultando em risco do desenvolvimento de um câncer radioinduzido. “A mamografia avalia uma grande população de mulheres saudáveis e assintomáticas para detecção precoce do câncer de mama, mas a exposição aos raios X pode estar relacionado a um risco. O benefício da mamografia é muito maior, mas existe todo um cuidado que tem que ser tomado”, observa a pesquisadora.
Atualmente, as estimativas de risco devido à exposição à radiação ionizante em mamografia são baseadas em uma grandeza dosimétrica chamada de Dose Glandular Média (DGM). Essa grandeza dosimétrica, explica a pesquisadora, “é amplamente utilizada para controle de qualidade de mamógrafos, otimização de sistemas de imagens e outras aplicações, mas as estimativas são baseadas em modelos de mama com geometria simplificada, distante da realidade da anatomia das mamas reais.” Isso porque a mama é um órgão muito complexo, composto por pele, tecido adiposo (gordura) e tecido glandular. Além disso, há uma grande variabilidade, na população de mulheres, da quantidade e distribuição espacial de tecido glandular dentro da mama, conforme a pesquisadora. “A quantidade de tecido glandular na mama pode fornecer várias informações, como, por exemplo, pode estar associada ao risco de uma mulher desenvolver câncer de mama, à sensibilidade do exame e também pode ser usada para caracterizar a população de mulheres", observa Tomal.
O câncer de mama não tem um único fator de risco. Dos vários fatores apontados, conforme o Instituto Nacional do Câncer (INCA), estão: idade (ter mais de 50 anos), história reprodutiva (menarca antes dos 12 anos, menopausa após os 55 anos, gravidez após os 30 anos), hereditariedade, reposição hormonal, alcoolismo, sobrepeso, sedentarismo, tabagismo, exposição a agrotóxicos e à radiação ionizante. A alta concentração de tecido glandular nas mamas - a chamada mama densa - também é reconhecida como um fator de risco, segundo a pesquisadora.
Imagens reais e inteligência artificial
“A ideia principal é que queremos construir modelos computacionais de mama baseados em imagens clínicas de mamografias e técnicas de aprendizado profundo (um aspecto da inteligência artificial) para quantificar a quantidade de tecido glandular presente na mama, bem como um mapa da distribuição bidimensional deste tecido no plano da imagem mamográfica”, explica Tomal. “Pretendemos usar esses modelos computacionais em estudos de dosimetria em mamografia - conseguir determinar a quantidade de energia que se deposita no tecido glandular, ou seja, a quantidade média de dose de radiação que vai ser depositada na mama, e isso depende da característica de cada mulher”. Tomal explica que o objetivo não é avaliar uma paciente específica, e sim, criar um modelo mais realista para uma dada população (conjunto de mulheres), para obter valores mais precisos de níveis de dose de referência para essa população, o que pode ser útil futuramente para estimativas de riscos mais precisas do que as atuais.
Estudo piloto publicado
A ideia do projeto começou a ser desenvolvida em 2018, a partir de uma tese de doutorado, defendida em março de 2022 no IFGW por Rodrigo Trevisan Massera, em que o pesquisador realizou estudos sistemáticos da dosimetria da mama usando o método de simulação Monte Carlo. Na tese, Massera estudou a composição da mama usando técnicas de aprendizado profundo, baseando-se em imagens simuladas computacionalmente usando modelos de mama antropomórficos. Como conclusão do estudo, o pesquisador mostrou que técnicas de aprendizado profundo combinado com imagens de simulações computacionais provaram ser uma combinação poderosa para estimar a densidade da mama para modelos de mama virtuais gerados computacionalmente. A perspectiva é implementar a técnica para imagens reais de mamografia.
O projeto da pesquisa em curso no IFGW foi aprovado pela Fapesp em março do ano passado. A equipe conta com um médico, quatro pesquisadores e três alunos de pós-graduação. Segundo Tomal, um estudo piloto com os primeiros resultados foi publicado na revista Physica Medica: European Journal of Medical Physics, em março de 2021.
Foto: Edson Lopes Jr./Governo de São Paulo
Mamografia salva milhares de vidas, mas exposição ao feixe de radiação também implica em riscos