Avaliação do colágeno no carcinoma epidermóide e na displasia epitelial: uma proposta de análise quantitativa semiautomatizada dos tipos I e III

Abstract

O carcinoma epidermóide (CEC) é um dos dez tumores mais comuns que afetam a população humana. A lesão pode iniciar como uma displasia epitelial e é caracterizada principalmente por uma proliferação alterada e aumentada de células neoplásicas. Durante a progressão da lesão, alguns mecanismos são necessários, dentre eles a degradação da membrana basal subepitelial, gerando invasão do conjuntivo subjacente. O objetivo desse estudo foi avaliar a predominância do tipo de colágeno (I e III) em amostras de carcinoma epidermóide e displasias epiteliais orais por meio de uma análise histomorfométrica semiautomatizada com o auxílio do software Fiji/imageJ. Para análise foi utilizado lâminas coradas com Picrosirius red e observadas em microscopia de luz polarizada em campo escuro das seguintes lesões: carcinoma epidermóide, displasia epitelial e hiperplasia fibrosa inflamatória. Como resultados, a criação de um código computacional, construído com auxílio de inteligência artificial, permitiu a análise automatizada a partir da escolha da região de interesse, entregando a porcentagem dos pixels nos canais vermelho e verde das imagens histológicas analisadas. Quanto à proporção das fibras colágenas no tecido conjuntivo e estroma de todas as lesões de CEC e displasia, observamos números maiores de fibras colágenas tipo III. Em contrapartida, em uma lesão reativa (HFI), houve maior quantidade de colágeno tipo I no tecido conjuntivo. Na porção epitelial, houve predominância da cor verde, também para o tecido normal. Ressalta-se que devido à ausência de colágeno no epitélio, em situações específicas de análise como, por exemplo, as porções neoplásicas que estão já inseridas dentro do conjuntivo, o background do canal da cor verde deve ser descontado da porcentagem final, representando em torno de 30-40% das cores nestes tecidos. Conclui-se que a análise semiautomatizada utilizando a separação de canais de cor da imagem se demonstrou eficiente, ou seja, é possível avaliar a predominância do colágeno I ou III em lâminas histológicas utilizando o código computacional criado neste estudo. Este método pode servir de base para que novos estudos sejam desenvolvidos, otimizando o processamento das fotomicrografias, ganhando tempo no processamento das imagens e obtenção dos dados da análise do colágeno.

Squamous cell carcinoma (SCC) is one of the ten most common tumors affecting the human population. The lesion may begin as epithelial dysplasia and is mainly characterized by an altered and impaired alteration of neoplastic cells. During the progression of the lesion, some mechanisms are necessary, including manipulation of the subepithelial basement membrane, generating invasion of the underlying connective tissue. The objective of this study was to evaluate the predominance of collagen types (I and III) in samples of squamous cell carcinoma and oral epithelial dysplasias through a semi-automated histomorphometric analysis using the Fiji/imageJ software. For analysis, slides cut with Picrosirius red were used and observed under polarized light microscopy in dark field of the following lesions: squamous cell carcinoma, epithelial dysplasia and inflammatory fibrous hyperplasia. As a result, the creation of a computational code, built with the aid of artificial intelligence, allowed automated analysis based on the choice of the region of interest, delivering the percentage of pixels in the red and green channels of the histological images found. Regarding the proportion of collagen fibers in the connective tissue and stroma of all SCC and dysplasia lesions, we observed higher numbers of type III collagen fibers. On the other hand, in a reactive injury (HFI), there was a greater amount of type I collagen in the connective tissue. In the epithelial portion, there was a predominance of green color, also for normal tissue. It should be noted that due to the absence of collagen in the epithelium, in specific analysis situations such as, for example, neoplastic portions that are already inserted within the conjunctiva, the bottom of the channel in green must be deducted from the final percentage, representing around 30-40% of the colors in these fabrics. In conclusion, the semi-automated analysis using optimized color channel separation was efficient in the evaluation of the predominance evaluation of the collagen in histological slides, and the computational code could be useful as the basis for new studies in image processing aiming to evaluate collagen type predominance within the sample.