30set2026
10:00 Defesa de Mestrado Sala 53 do IC2
Tema
Classificação de metástase linfonodal em MALDI-MSI de câncer de cabeça e pescoço: aprendizado de máquina e evidência espacial em regime de baixíssima amostragem
Aluno
Carlos Eduardo Tavares Norat
Orientador / Docente
Guilherme Pimentel Telles - Coorientador: Fábio Malta de Sá Patroni
Breve resumo
A metástase em linfonodos cervicais é um dos principais fatores prognósticos no carcinoma espinocelular de cabeça e pescoço. Este trabalho investiga a classificação de metástase linfonodal nessa doença a partir de imagens por espectrometria de massas MALDI. A coorte reúne dezenas de milhares de espectros, cada um com milhares de dimensões de massa, mas provém de apenas oito pacientes, de modo que a unidade de análise é o paciente e a validação segue o protocolo de deixar um paciente de fora por vez. Esse regime de baixíssima amostragem, combinado à alta dimensionalidade e ao efeito de lote, no qual cada paciente constitui um lote técnico, define o principal desafio metodológico. O enfoque é metodológico e não a proposta de um classificador de uso clínico, e busca caracterizar o que é possível extrair, o que falha e por quê. Compararam-se oito arquiteturas supervisionadas, da regressão logística com regularização $L_1$ e máquinas de vetores de suporte a redes convolucionais que operam sobre o espectro individual e sobre a vizinhança espacial de cada pixel, sob três estratégias de harmonização de lote por ComBat. Avaliou-se ainda o pré-treinamento auto-supervisionado por reconstrução espectral mascarada em dados MALDI-MSI externos, e propôs-se o Ion Vote, um sistema de descoberta e segmentação de marcadores baseado na concordância espacial entre a distribuição dos íons e a anotação histopatológica, que dispensa o aprendizado de pesos a partir dos dados. Os íons discriminantes de cada método foram cruzados entre si e confrontados com dados de LC-MS/MS. Os resultados mostram que a regressão logística com regularização esparsa domina a comparação e que o aumento de capacidade dos modelos não melhora a extração de sinal neste regime, com as representações auto-supervisionadas ficando uniformemente abaixo dos espectros originais. A estratégia de harmonização mais eficaz depende da família de modelo empregada. O Ion Vote classificou corretamente sete das oito amostras da coorte, e a assinatura molecular mais robusta da lesão converge para queratinas epiteliais associadas ao tumor. Conclui-se que, sob baixíssima amostragem, assumir a estrutura esparsa e aproximadamente linear do sinal é mais eficaz do que ampliar a capacidade do modelo, e que a concordância espacial entre íons e anotação oferece uma via de descoberta de marcadores sem ajuste de pesos.
Banca examinadora
Titulares:
| Guilherme Pimentel Telles | IC/UNICAMP |
| Marcelo da Silva Reis | IC/UNICAMP |
| Fabio Albuquerque Marchi | ICESP |
Suplentes:
| Helena de Almeida Maia | IC/UNICAMP |
| Maria Emília Machado Telles Walter | UnB |