Professional Documents
Culture Documents
ISSN 1679-365X
Software desenvolvido a partir de um Modelo Matem atico Fuzzy para predizer o est agio patol ogico do C ancer de Pr ostata
Graciele P. Silveira1 , DMA, IMECC UNICAMP, 13.083-859, Campinas/SP. La ercio L. Vendite2 , La ecio C. Barros3 , DMA, IMECC UNICAMP, 13.083-859, Campinas/SP.
Resumo. Nosso trabalho prop oe um modelo matem atico fuzzy para predizer o est agio patol ogico do c ancer de pr ostata (Silveira, 2007). O modelo consiste num sistema baseado em regras fuzzy, que combina os dados pr e-cir urgicos do paciente - estado cl nico, n vel de PSA e grau de Gleason - valendo-se de regras ling u sticas, elaboradas a partir dos nomogramas j a existentes. Com isso esperava-se obter a chance de o indiv duo estar em cada est agio de extens ao do tumor: localizado, localmente avan cado e metast atico. Foram feitas simula c oes com dados reais de pacientes do Hospital das Cl nicas da UNICAMP e os resultados foram comparados com as probabilidades de Kattan (Stephenson e Kattan, 2006). Um software foi desenvolvido a partir deste modelo e ser a disponibilizado aos especialistas do mesmo hospital. O programa escrito em JAVA consiste em uma interface gr aca que faz a intera c ao com as sub-rotinas que efetuam os c alculos.
Palavras-chave: C ancer de Pr ostata, Modelo Matem atico, L ogica Fuzzy, Software, Biomatem atica.
1. Introdu c ao
O aumento da incid encia de casos de c ancer em pa ses desenvolvidos e em desenvolvimento, nos u ltimos anos, e um importante problema de sa ude p ublica e um desao para a ci encia m edica.
1 2
28
C ancer e o nome dado a uma classe de doen cas caracterizadas pelo crescimento descontrolado de c elulas anormais do organismo. As estimativas do Instituto Nacional do C ancer (INCA, 2008), mostram que cerca de 466.730 mil novos casos de c ancer ser ao diagnosticados no Brasil, em 2008. O c ancer de pr ostata apresenta a segunda taxa mais elevada (49.230 novos casos), o que corresponde a um risco de 52 casos a cada 100 mil homens. A pr ostata e uma gl andula do sistema urogenital masculino, que se localiza abaixo da bexiga. Produz parte do l quido seminal e tamb em o PSA (Ant geno Prost atico Espec co). O c ancer de pr ostata e uma das principais causas de morte por doen ca maligna no Brasil. Para o diagn ostico precoce s ao indicados o exame cl nico (toque retal) e a dosagem s erica do PSA. Os resultados podem sugerir a realiza c ao da bi opsia prost atica. O toque retal e utilizado para avaliar a extens ao local do tumor. Entretanto, algumas les oes benignas podem simular o c ancer, sendo que o toque normal tamb em n ao exclui a presen ca da doen ca. O PSA e um marcador tumoral desde 1986 e na classica c ao cl assica, presente na literatura, o n vel de PSA e considerado normal de 4 a 10 ng/ml; levemente elevado entre 4 e 10 ng/ml; moderadamente elevado entre 10 e 20 ng/ml e altamente elevado para valores acima de 20 ng/ml. Quanto maior o ndice de PSA, maiores s ao as possibilidades de doen ca extraprost atica. Por em, somente o n vel de PSA n ao e suciente para determinar o est agio do c ancer, pois existem pacientes com mesmo PSA em est agios diferentes. Embora o n vel de PSA seja considerado normal de 0 a 4 ng/ml, estudos j a mostraram que 22% dos homens com c ancer de pr ostata frequentemente t em PSA entre 2,6 e 4 ng/ml (Chun et al., 2006). A bi opsia prost atica permite ao patologista distinguir tumor benigno de maligno e identicar o grau de diferencia c ao celular. Atualmente o sistema de Gleason, que enfatiza a arquitetura glandular, e o mais utilizado. Nesse sistema os tumores s ao classicados em 5 graus, sendo que o grau 1 representa as les oes menos agressivas e o grau 5 as mais agressivas. O estadiamento cl nico consiste na avalia c ao da extens ao da doen ca, feita a partir dos exames que descrevemos anteriormente. O sistema TNM (tumor, nodo e
29
met astase), e utilizado pelos especialistas para indicar o estado cl nico dos pacientes. A Tabela 1 descreve a parte da classica c ao TNM que usamos no modelo.
N ao palp avel; 5% maligno N ao palp avel; mais de 5% maligno Identicado por bi opsia Palp avel; envolve metade de um lobo Palp avel; envolve mais da metade de um lobo Envolve ambos os lobos Extens ao extra-prost atica
O estadiamento patol ogico avalia a extens ao do tumor, que pode ser classicado como: Localizado (c ancer connado na gl andula); Localmente Avan cado (c ancer j a al em da pr ostata) e Metast atico (tumor se espalhando pelo organismo). Para o processo de tomada de decis ao do especialista, com rela c ao ao est agio da doen ca, est ao dispon veis os exames que j a citamos. O exame cl nico e u til na identica c ao de areas suspeitas, mas depende essencialmente da experi encia do m edico. As dosagens s ericas de PSA podem auxiliar na detec c ao da doen ca. No entanto, esse teste ainda n ao permite a descoberta precoce de todos os casos de c ancer. Da mesma forma, as bi opsias podem n ao revelar a presen ca de tumores na gl andula, retardando o diagn ostico e sendo realizadas muitas vezes desnecessariamente. Por todos esses fatores torna-se importante desenvolver um modelo matem atico - e um software para apoiar os prossionais de urologia - que combine os dados fornecidos pelos exames, para predizer o est agio patol ogico do c ancer de pr ostata. A Teoria de Conjuntos Fuzzy foi escolhida devido a sua capacidade de lidar com as incertezas envolvidas no problema. Nossa modelagem teve como refer encia o trabalho desenvolvido por Castanho (Castanho, 2005).
30
31
T1 1
T2a
T2b
T2c
T3a 1
Normal
Lev.Elevado
Mod.Elevado
Alt.Elevado
0.8 Grau de Pertinencia Grau de Pertinencia 0 0.1 0.2 0.3 0.4 0.5 0.6 Estado Clinico 0.7 0.8 0.9 1
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0 0 5 10 15 Nivel de PSA 20 25 30
BemDif. 1
Indif. 1
Localizado
Localm.Avancado
Metastatico
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0 0 0.1 0.2 0.3 0.4 0.5 0.6 Estagio da Doenca 0.7 0.8 0.9 1
31) Se Estado Cl nico e T2a, N vel de PSA e Normal e Escore de Gleason e M edio-Baixo Diferenciado, ent ao Est agio da Doen ca e Localizado (0,64). 32) Se Estado Cl nico e T2a, N vel de PSA e Normal e Escore de Gleason e M edio-Baixo Diferenciado, ent ao Est agio da Doen ca e Localmente Avan cado (0,34). 33) Se Estado Cl nico e T2a, N vel de PSA e Normal e Escore de Gleason e M edio-Baixo Diferenciado, ent ao Est agio da Doen ca e Metast atico (0,02). As probabilidades de ocorr encia dos est agios constitu ram os pesos que ponderaram as regras. O processo de infer encia foi feito pelo M etodo de Mamdani e a defuzzica c ao
32
pelo M etodo do Centro de Gravidade. Fizemos algumas simula c oes do modelo, com dados reais de pacientes do Hospital das Cl nicas da UNICAMP, utilizando as fun c oes de pertin encia da sa da triangulares. Os resultados obtidos pelo SBRF representam a possibilidade de o paciente estar em cada um dos est agios do c ancer. Tais resultados foram transformados em probabilidades e mostraram-se ligeiramente mais otimistas do que as probabilidades de Kattan et al. No entanto, ao analisarmos os resultados juntamente com um especialista - prof. Dr. Ubirajara Ferreira, da Faculdade de Ci encias M edicas da UNICAMP - foi constatado que estes estavam mais pr oximos dos apresentados nos nomogramas, do que da realidade cl nica dos pacientes. Diante disso, adaptamos as fun c oes de pertin encia que descrevem a sa da do sistema, a partir da probabilidade de ocorr encia de cada est agio. O m etodo usado foi ajuste de curvas - m etodo dos m nimos quadrados - nos pontos que representam as probabilidades de cada est agio, para v arias amostras de pacientes. As fun c oes ajustadas foram normalizadas e concentradas. Na Figura 5 est ao representadas as fun c oes encontradas. Utilizando essas fun c oes ajustadas, outras simula c oes de pacientes foram feitas. Os dados tamb em s ao de pacientes do Hospital da Cl nicas da UNICAMP. Alguns resultados que obtivemos encontram-se na Tabela 2. A coluna Probab. e a transforma c ao da possibilidade encontrada em probabilidade. Na avalia c ao do especialista, os resultados obtidos com as fun c oes de per-
33
Localizado
Localm.Avancado
Metastatico
0.6
0.4
0.2
0 0 0.1 0.2 0.3 0.4 0.5 0.6 Estagio da Doenca 0.7 0.8 0.9 1
Figura 5: Fun c oes de pertin encia ajustadas, assumidas pela vari avel Est agio da Doen ca. tin encia da sa da do sistema adaptadas, mostraram-se mais otimistas em rela c ao ao est agio do c ancer de pr ostata. Portanto, foram considerados mais coerentes com a realidade cl nica enfrentada pelos pacientes.
3. Software
Com o objetivo de auxiliar o especialista no processo de tomada de decis ao, com rela c ao ao est agio da doen ca, um software foi desenvolvido a partir do modelo que descrevemos. A inten c ao e disponibiliz a-lo aos especialistas do Departamento de Urologia do Hospital das Cl nicas da UNICAMP, para que o experimentem no trabalho com os pacientes. O software consiste em uma interface gr aca que faz a intera c ao com as subrotinas que efetuam os c alculos. Essas sub-rotinas cont em a teoria que descreve o modelo matem atico fuzzy para o estadiamento patol ogico do c ancer de pr ostata (Silveira, 2007). A Figura 6 mostra uma ilustra c ao da interface gr aca do software. O usu ario entra com os dados pr e-cir urgicos do paciente - estado cl nico, valor
34
do n vel de PSA e o grau de Gleason - e o programa mostra na interface gr aca, a possibilidade (e esta transformada em probabilidade) de que tal paciente esteja em um dos est agios de extens ao do c ancer de pr ostata. O programa foi desenvolvido em JAVA e para execut a-lo e preciso ter instalado no computador, pelo menos a vers ao 1.6 da plataforma Java SE, conveniente ao sistema operacional do computador. Com as devidas instala c oes, o software constru do foi testado no Linux/GNU, Windows XP e Vista.
Agradecimentos
Gostar amos de agradecer ao aux lio de Raphael de Oliveira Garcia (doutorando em Matem atica Aplicada, IMECC/UNICAMP) na elabora c ao do programa para o desenvolvimento do software. Agradecemos ainda a Alexandre de Oliveira Garcia (desenvolvedor de sistemas, S ao Paulo - SP) pelo suporte na constru c ao da interface
35
Figura 6: Interface gr aca do software desenvolvido. gr aca em JAVA. Gostar amos de agradecer tamb em ao CNPq e ` a FAPESP pelo apoio nanceiro.
Refer encias
Barros, L. C. e Bassanezi, R. C. (2006). T opicos de L ogica Fuzzy e Biomatem atica, volume 5. UNICAMP/IMECC, Campinas - SP. Castanho, M. (2005). Constru c ao e avalia c ao de um modelo matem atico para predizer a evolu c ao do c ancer de pr ostata e descrever seu crescimento utilizando a teoria de conjuntos fuzzy. Tese de Doutorado, FEEC UNICAMP, Campinas/SP. Chun, F. K. H., Perrotte, P., Briganti, A., Benayoun, S., Lebeau, T., Ramirez, A., Lewinshtein, D. J., Valiquette, L., Guay, J. P., e Karakiewcz, P. I. (2006). Prostate specic-antigen distribution in asymptomatic canadian men with no clinical evidence of prostate cancer. British Journal of Urology, 98:5053.
36
Instituto Nacional do C ancer INCA (2008). Estimativas 2008: Incid encia de C ancer no Brasil. URL: www.inca.gov.br. Acesso em abril de 2008. Silveira, G. P. (2007). Aplica c ao da teoria de conjuntos fuzzy na predi c ao do estadiamento patol ogico do c ancer de pr ostata. Disserta c ao de Mestrado, IMECC UNICAMP, Campinas/SP. Stephenson, A. J. e Kattan, M. W. (2006). Nomograms for prostate cancer. Journal Urological Oncology, 98:3946.