30/08/24 - Seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP

Nome: Prof. Dr. Daniel Tiezzi (FMRP-USP)

Título: Biologia computacional e heterogeneidade intratumoral no câncer de mama

Abstract: O câncer de mama é a principal neoplasia maligna que acomete as mulheres em todo o mundo. Felizmente, ela é uma doença potencialmente curável e as chances de cura estão altamente relacionadas ao estágio anatômico da doença e características morfológicas e moleculares intrínsecas da neoplasia. Ela é considerada uma doença heterogênea. Com o desenvolvimento de tecnologias de alto rendimento em genética e biologia molecular, foi possível classificar melhor a heterogeneidade da doença. Atualmente, podemos identificar pelo menos cinco subtipos de câncer de mama associados a comportamentos clínicos e biológicos distintos. A classificação, conhecida como classificação PAM50 utiliza métodos de clusterização hierárquica com base em perfil de expressão gênica global e identifica os subtipos moleculares luminal A, luminal B, subtipos enriquecidos com HER2, tipo normal e tipo basal. A nível celular, tem sido demonstrado que que os carcinomas de mama frequentemente apresentam uma heterogeneidade intratumoral, que é explicada pela teoria da evolução clonal do câncer. A heterogeneidade intratumoral tem sido descrita como um fator extremamente relevante na resistência ao tratamento. O estudo da diversidade clonal é feito por análise de sequenciamento do exoma (WXS) que, por demandar altos custos e tempo de processamento e análise de dados, é inviável na rotina clínica. Rotineiramente, parte da inferência da heterogeneidade intratumoral é realizada pelo Patologista na avaliação histológica do grau nuclear. O grau histológico é um fator prognóstico bem conhecido e é determinante na definição de tratamento sistêmico no câncer de mama. No entanto, estudos demonstram que o método tem uma variabilidade inter observador considerável. O uso de visão computacional atrelado a ferramentas de aprendizado profundo podem extrair atributos e fazer predições que ultrapassam a cognição humana. A utilização dessas tecnologias tem grande potencial em diagnóstico auxiliado por computador (CAD) na inferência da heterogeneidade intratumoral.

Sobre: Daniel Tiezzi, MD, PhD, é Professor Associado junto ao Departamento de Ginecologia e Obstetrícia (Divisão de Mastologia) e do curso de Informática Biomédica na Faculdade de Medicina de Ribeirão Preto - USP. É especialista em Mastologia e Oncologia Clínica e tem grande experiência na aplicação de recursos computacionais para análise integrativa de dados biológicos em larga escala na área de oncologia molecular e genética.

Local: Sala 6 do CINA-UFSCar (São Carlos)