Uso do ChatGPT e outras ferramentas computacionais como auxiliares na análise histomorfométrica do tecido ósseo: comparação entre método manual e automatizado de esqueletonização em duas situações distintas.

Abstract

Introdução: A histomorfometria é essencial para estudos sobre qualidade óssea sendo considerada o principal método para o estudo ósseo a nível tecidual e celular. Objetivo: Avaliar o uso do ChatGPT e outras ferramentas computacionais na criação de códigos para automatização de análise histomorfométrica do tecido ósseo trabecular. Metodologia: Um estudo retrospectivo foi realizado com lâminas histológicas de duas condições distintas: 1) osso lesional de lesões fibro-ósseas benignas, contendo dois tipos predominantes de osso: lamelar e imaturo, corados com Tricrômico de Mallory; 2) osso normal não patológico, obtido de peças cirúrgicas de mandibulactomia no segmento marginal, contendo osso lamelar, corados em Hematoxilina e Eosina. Com base nas imagens histológicas obtidas das duas condições, foram criados códigos computacionais que visavam avaliação da distribuição espacial das trabéculas ósseas por meio da esqueletonização em um processo automatizado. Estes códigos foram desenvolvidos para uso no software ImageJ/FIJI, por meio da binarização usando a ferramenta “Analyze skeleton”. Os parâmetros analisados foram: número de trabéculas (Tb.n); número de ramos (R.n); número de junções (J.n); comprimento de ramo (CR, em μm) e comprimento máximo de ramo (Max.CR, em μm). Para análise comparativa, usou-se o método manual por segmentação interativa, com delineamento individual das trabéculas por um único operador, seguido da esqueletonização. A análise comparativa foi realizada por meio dos testes de Mann-Whitney, Wilcoxon e T pareado. Resultados: Para o osso patológico foram criados dois códigos computacionais baseados na cor predominante (azul ou vermelho), desenvolvido com ajuda de programadores e testado inúmeras vezes. Para o osso normal, um código baseado em contraste foi criado utilizando o ChatGPT, no processso de tentativa e erro, com aprimoramento do mesmo obtido após 15 sugestões dentro do chat. Dentre essas sugestões, a melhoria do código foi realizada com a averiguação qualititiva da estrutura binarizada sendo representativa da trabécula, e os principais comandos que resultaram em melhorias positivas foram: uso do filtro “Median” e da ferramenta “Enhance contrast”. Houve diferença significante entre Tb.n para os dois métodos automatizados comparados ao método manual (p<0,05). O método automatizado gerado com ajuda do ChatGPT mostrou similaridade para o comprimento dos ramos comparado ao manual (p 0,16), mas diferença comparando o Max.CR (p 0,02). Conclui-se que foi possível realizar a histomorfometria automatizada por meio do uso de códigos computacionais. A análise da esqueletonização mostrou que ambos os métodos automatizados mostraram a mesma tendência de resultados com maior número de trabéculas quando comparados ao método manual. Ainda, por serem automatizados, mostraram uma redução importante no tempo de processamento e análise. O código gerado com ajuda do ChatGPT não mostrou diferença na medida métrica do comprimento médio dos ramos, apenas para o maior comprimento, mostrando que a automatização pode gerar uma subavaliação de trabéculas muito longas. Encoraja-se o uso dos métodos automatizados em histomorfometria óssea, principalmente em pesquisas acadêmicas, possibilitando maior número de análises de forma mais representativa, uma vez que o processo de automatização reduz consideravelmente o consumo de tempo na avaliação.