Análise Multivariada Aplicada A Dados Histológicos De Tumores Ginecológicos

O câncer de mama é provavelmente o mais temido pelas mulheres, devido à sua alta frequência e sobretudo pelos seus efeitos psicológicos, a mama para as mulheres é muito mais do que um órgão de adorno ou estimulo sexual, é a própria expressão da feminilidade. Ele é relativamente raro antes dos 35 anos de idade, mas acima desta faixa etária sua incidência cresce rápida e progressivamente.

Este tipo de câncer representa, nos países ocidentais, uma das principais causas de morte de mulheres. As estatísticas indicam o aumento de sua freqüência tanto nos países desenvolvidos quanto nos países em desenvolvimento. Segundo a Organização Mundial da Saúde (OMS), continua a se registrar um aumento nas taxas de incidência ajustadas por idade nos Registros de Câncer de Base Populacional de diversos continentes.

No Brasil, o câncer de mama é o que mais causa mortes entre as mulheres. O câncer de mama é uma fonte de grande número de espécimes citológicos e histológicos. Destes, o patologista deverá emitir um diagnóstico histológico associado a avaliação imunohistoquimica, biológica e por fim genética do tumor, tendo, dessa forma, importante papel no estabelecimento do estadiamento clínico e patológico e por sua vez direcionamento do tratamento. A densidade de dados obtida ao longo de anos de pesquisa, acrescida ao conhecimento acumulado a respeito da dinâmica tumoral, permite-nos afirmar hoje que a natureza, a evolução e o tratamento dos tumores é matéria essencialmente multivariada. Deste modo, a participação das variáveis se dá de forma conjunta, gerando um status de alterações teciduais que culminam com a manifestação da neoplasia maligna que, com aquisição de características invasoras associadas à resposta inadequada do hospedeiro, resultam na invasão de tecidos e produção de metástases à distância.

Numa extensão desta dinâmica, o tratamento deve se basear no reconhecimento e na previsão de fatores envolvidos e, teoricamente, na aplicação de medidas assertivas de controle e erradicação da doença (El Meltzer e colaboradores (Cancer Research 61, 5979 – 5984, 2001), Mendonça e colaboradores (Cad. Saúde Pública, Rio de Janeiro, 20(5):1232- 1239, 2004) ou Kinoshita e colaboradores (ANAIS DO CBEB ́2000).

Na mesma linha de raciocínio, o estudo de análise multivariada deve contemplar não somente a participação das variáveis envolvidas no problema sendo estudado, mas principalmente encontrar as relações quantitativas entre as variáveis selecionadas e a resposta biológica obtida, através de um modelo matemático. Estas relações ajudam a entender e explicar a dinâmica tumoral e permitem, em última instancia, o planejamento e desenvolvimento de novos ensaios clínicos.

A relação entre os descritores e as propriedades físico-químicas ou biológicas, assim como a estruturação de estudos clínicos, pode ser feita de maneira linear. Desse modo, a equação obtida é

(1)

onde y é um vetor n-dimensional contendo as propriedades ou atividades da família histológica estudada, 1 é o vetor unidade, X(k) é a matriz de descritores (n x k) e "k é um erro normalmente distribuído tendo valor esperado zero e matriz de dispersão . Os estimadores são calculados usando uma técnica de quadrados mínimos.

Para simplificar o modelo preditivo é necessário construir regressões envolvendo o mínimo de descritores. Diversos descritores diferentes podem ser usados como parâmetros. Quando se usa a matriz de descritores (X) diretamente na equação 1, o método de regressão é conhecido como regressão linear múltipla (MLR - Multiple Linear Regression). No entanto, pode-se usar no lugar da matriz X outras matrizes contendo combinações lineares das variáveis em X. Os principais métodos que usam este expediente são a regressão de componentes principais (PCR - Principal Components Regression) e a regressão de quadrados mínimos parciais (PLS - Partial Least Squares).

a regressão de quadrados mínimos parciais (PLS - Partial Least Squares). Nesses métodos a matriz X é decomposta em duas outras matrizes: X = TLt (2) onde a matriz T é conhecida como matriz de escores e a matriz L é conhecida como matriz de pesos ou “loadings”. Na matriz de escores cada coluna é uma combinação linear dos descritores da matriz X e a regressão passa a ser feita com a matriz T.

Neste projeto, propomos um estudo retrospectivo, onde classificamos quimiometricamente um conjunto de informes citológicos e histológicos consagrados tradicionalmente, obtidos para identificação, classificação e tratamento das biópsias de tumores retiradas no ato cirúrgico (tipo e sub-tipo de tumor, graus histológico e nuclear, invasão de membrana basal, linfonodos acometidos).

Além disso, pretendemos incorporar novos dados, tomando como base métodos amplamente utilizados em determinações quantitativas reconhecimento de padrões: soft independent modeling of class