Aprendizaje profundo para la clasificación de la enfermedad de Parkinson usando secuencias multimodales y multisecuencias en imágenes PET/MR
Artículo original: Yan Chang , Jiajin Liu , Shuwei Sun, Tong Chen y Ruimin Wang. Chang et al.Deep learning for Parkinson’s disease classification using multimodal and multi sequences PET/MR images.
DOI: https://doi.org/10.1186/s13550-025-01245-3.
Sociedad: European Journal of Nuclear Medicine and Molecular Imaging. Research 15, article number 55(2025). EJNMMI Research
Palabras clave: PET/RMN; Aprendizaje profundo; Enfermedad de Parkinson; Atrofia multisistémica;Multimodal; Multisecuencia.
Abreviaturas y acrónimos utilizados: DL: Aprendizaje profundo ,PD: Enfermedad de Parkinson, DAT: Transportador de Dopamina, Atrofia multisistémica (MSA), Res-Net-18( Aprendizaje residual profundo para reconocimiento de imágenes), PET: Tomografía por emisión de positrones, 11-C-CFT: 11-C-CFT(C-2-beta-carbometoxi-3-beta-4-fluorofenil-tropano), ADC: Coeficiente de difusión aparente) DWI: Imágenes ponderadas por difusión, AUC: Área bajo la curva ROC( relación entre la tasa de verdaderos positivos (TPR o Recall) y la tasa de falsos positivos (FPR) a diferentes umbrales de clasificación, 18F-FDG (Flúor-18-Fluorodeoxiglucosa), PET( tomografía por emisión de positrones), RMN: resonancia magnética nuclear, 2D( bidimensionales), 3D ( tridimensionales),GLUT (transportadores de glucosa por difusión facilitada).
Línea editorial del número: EJNMMI Research publica mensualmente con acceso libre nuevas investigaciones y actualizaciones sobre aplicaciones actuales, traslacionales y clínicas en el campo de la Medicina Nuclear y la Imagen Molecular. (EANM –European Association of Nuclear Medicine).
Las secciones regulares incluyen artículos de investigación originales, comunicaciones breves con datos preliminares sobre investigaciones innovadoras, informes de casos interesantes, editoriales y cartas al editor. La revista trata temas que incluyen, entre otros, investigaciones novedosas sobre imagen molecular, como enfoques desde el uso de radiofarmacéuticos con gran potencial de impacto clínico, aspectos importantes en la reconstrucción y precisión de imágenes, o dentro del campo de la teranóstica con combinaciones de terapias o la incorporación de inteligencia artificial en la generación o interpretación de imágenes.
Motivo para la selección: el PET-RM representa una modalidad híbrida que combina técnicas avanzadas de RMN con imagen molecular PET. Se presenta como una opción diagnóstica superior al PET-TAC en varios aspectos pero aún en fases de implantación muy tempranas a nivel mundial debido a su alto coste y a la difícil disponibilidad de los radiofármacos empleados por su corta vida media.
Su aplicación en pacientes pediátricos al no emplear radiación ionizante representa su principal ventaja. Su mayor limitación supone el coste y la accesibilidad, el no ser apta para pacientes portadores de objetos metálicos ni claustrofóbicos.
Se han utilizado técnicas de aprendizaje profundo Res-Net-18 que permiten el uso de patrones complejos de datos y se emplean en tareas como la clasificación y el reconocimiento de imágenes y su posterior segmentación.
El uso de modalidades híbridas como el PET-RMN combinadas con sistemas de entrenamiento como RES-NET-18 en el aprendizaje profundo de las máquinas me han hecho decantarme por la revisión de este artículo.
Resumen: en el estudio se empleó una metodología retrospectiva combinada con el uso de aprendizaje profundo para clasificar la enfermedad de Parkinson y la atrofia multisistémica de 206 pacientes diagnosticados y de otros 38 voluntarios sanos, usando 6 modelos unimodales y 7 modelos multimodales, obtenidos en el Hospital General del Ejército Popular de Liberación de China mediante imágenes PET-RM.
Se entrenó un modelo basado en Res-Net-18: red neuronal profunda residual utilizando imágenes en planos axial, coronal y sagital.
Para la realización del protocolo de imagen del PET/RM con 11C-CFT los pacientes debían abstenerse de tomar medicación alguna durante las 12 horas previas al estudio para evitar la interferencia con la unión del transportador de dopamina.
Inmediatamente después de la administración del trazador, se inyectaron 20 miligramos de furosemida. 50 minutos después de la inyección intravenosa de 11-C-CFT (180-370 MBq) se adquirieron imágenes tridimensionales (3D) en un sistema integrado de PET/RM de cuerpo entero. Durante esta sesión, se realizó simultáneamente una resonancia magnética multiparamétrica cerebral en una PET de 15 minutos, incluyendo secuencias potenciadas en T1 y T2 del cerebro.
El PET/RM con 18F-FDG se realizó en un día diferente, antes o después del PET -11-C-CFT, pero con un intervalo de dos semanas. Antes del PET- 18F-FDG, todos los sujetos del estudio realizaron la preparación de 6 horas de ayuno e interrupción de la toma de medicación 12 horas antes de la prueba. Se les inyectó por vía intravenosa una dosis de 18F-FDG de 0,1 mCi/kg (3,7 MBq/kg) y tras confirmar que el nivel de glucosa en sangre del participante era ≤ 200 mg/dL. Posteriormente, los participantes permanecieron 2 horas de reposo sensorial, descansando en una habitación con poca luz y ruido .
Los parámetros de imagen y la configuración de reconstrucción de datos para la PET/RM con 18F-FDG fueron similares a los utilizados con 11C-CFT.
Las imágenes se obtuvieron con un equipo PET/RM de GE Healthcare (SIGNA™, GE HealthCare).
Los criterios de participación en el estudio fueron: tener un diagnóstico de EP y AMS según los criterios clínicos establecidos, cumplir un intervalo entre la toma de imágenes PET/RM con 11C-CFT y 18F-FDG de menos de dos semanas; y el seguimiento clínico de seis meses como mínimo después de la toma de imágenes PET/RM inicial sin cambios en el diagnóstico.
Los criterios de exclusión fueron: mala calidad de la imagen PET/RM; falta de información registrada de la PET; evidencia de enfermedad vascular en TAC o RMN; exploración cerebral completa incompleta. De los doscientos cincuenta pacientes evaluados para determinar su elegibilidad, 44 fueron excluidos debido a la mala calidad de la imagen.
Los modelos PET superaron a los de MRI. El modelo más efectivo fue el que combinó 11-C-CFT con el coeficiente de difusión aparente (ADC), logrando una precisión del 97% en la clasificación de EP.
En el conjunto de prueba, la precisión del modelo fue del 70%, con una recall del 93% y un F1-score de 82%.
El modelo PET-RMN-11C-CFT-ADC (trazador 11-Carbono, con tropismo por los transportadores de dopamina (DAT) en el cerebro, permitiendo evaluar la integridad de las neuronas dopaminérgicas en el núcleo estriado con el uso de la técnica ADC( Coeficiente de Difusión Aparente) derivada de Imágenes Potenciadas en Difusión( DWI), las cuáles, proporcionan información cuantitativa sobre la restricción al movimiento del agua en los tejidos biológicos y permiten valorar daños cerebrales en enfermedades neurodegenerativas como el Parkinson y trastornos del movimiento como la AMS). Mientras que el modelo PET-RMN-18F-FDG( trazador 18-Flúor, análogo de la glucosa que es transportado a las células cerebrales por los GLUT, los cuáles, permiten que ésta alcance las neuronas. Una vez dentro de la célula, la hexocinasa fosforila del FDG, es atrapado en el citoplasma sin posibilidad de continuar en la vía glucolítica y permite la evaluación del cuerpo estriado y la corteza motora.
Valoración personal: mediante el entrenamiento con aprendizaje profundo de esta novedosa arquitectura modal RES-NET-18 y, combinando el estudio de modelos multimodales y multisecuencia, con técnicas híbridas PET-RMN , se han obtenido resultados que muestran un alto potencial como herramienta de apoyo en la clasificación y tratamiento de pacientes de PD y MSA. En mi opinión el estudio tiene una limitación importante para establecer sus resultados como referencia en el diagnóstico de la EP y es que la población sobre la que se realiza el estudio tiene un número muy pequeño de sujetos.
Carlos Manuel Majado Iglesias
TSIDMN
Complejo Hospitalario de Navarra(Pamplona).