Generación de mapa de atenuación basado en deep learning para SPECT de perfusión miocárdica
Artículo original: Shi L, Onofrey JA, Liu H, Liu C. Deep learning-based attenuation map generation for myocardial perfusion SPECT. EJNMMI. 2020; 47: 2383–2395.
DOI: https://doi.org/10.1007/s00259-020-04746-6
Sociedad: European Association of Nuclear Medicine @officialEANM
Palabras clave: Deep learning, attenuation map, myocardial perfusion, SPECT
Abreviaturas y acrónimos utilizados: SPECT (tomografía por emisión de fotón único), AC (corrección de atenuación), PPV (valor predictivo positivo), TC (tomografía computarizada), RM (resonancia magnética),PET (tomografía por emisión de positrones), GAN (red generativa antagónica condicional), cGAN(Redes Generativas Antagónicas), ROI (región de interés), IMC (índice de masa corporal, FOV (campo de visión).
Línea editorial del número: European Journal of Nuclear Medicine es la revista oficial de la Sociedad Europea de Medicina Nuclear, y por tanto una referencia a nivel europeo e internacional. En la revista podemos encontrar desde artículos originales hasta consensos o guías y procedimientos.
En la revista del mes de septiembre, junto con el artículo escogido, podemos ver otros muchos artículos interesantes, algunos de ellos y con relación al propio artículo escogido para esta revisión tenemos uno que evalúa técnicas mejoradas para la AC en PET/RM en pacientes con metástasis óseas utilizando distintos radiofármacos. Otro utiliza redes GAN para la segmentación de tumores en TC.
Motivo para la selección: Hoy en día podemos asegurar casi con total seguridad que el deep learning y la inteligencia artificial son el futuro. Los encontramos cada vez más presentes, tanto en nuestra vida personal como profesional con referencias constantes de nuevas técnicas de imagen desarrolladas gracias a estas tecnologías.
Si hablamos de futuro en medicina nuclear creo que todos pensamos en PET, sobretodo PET/RM, donde ya se están utilizando las técnicas sobre las que se trabaja en este artículo para la AC, con resultados muy prometedores. Este artículo utiliza estas técnicas avanzadas en nuestro día a día, en concreto, los SPECTs de perfusión miocárdica, lo que me parece muy importante, porque aunque no debamos perder el vista el futuro no podemos olvidar el presente. Mientras que la AC en un equipo PET/RM seguro que traerá muchas utilidades el día de mañana, la aplicación de esta técnica a los SPECTs de perfusión miocárdica puede beneficiar a muchos pacientes desde el día de hoy.
Resumen:
La SPECT es una técnica de imagen no invasiva que permite conocer la distribución de un radiofármaco en el cuerpo del paciente con distintos fines. Con el fin de obtener mejores resultados y permitir el análisis cuantitativo o semicuantitativo es necesaria la corrección de atenuación (AC). Existen estudios que comparan los diagnósticos con y sin esta corrección mostrando una reducción de la ambigüedad en ciertos diagnósticos, algunos de los datos que nos dan son:
- Estudios interpretados como normales aumentan del 45 al 72%
- Resultados inequívocos aumentan del 57 al 80%
- PPV aumentan del 0.28 al 0.76
Estas mejoras en el rendimiento diagnóstico aplicadas a la cardiología reducen la necesidad de procedimientos angiográficos invasivos. Existen equipos híbridos SPECT/CT que permiten la AC mediante la obtención de un mapa de atenuación creado a partir de la TC de baja dosis. El problema de estos equipos reside en su elevado coste respecto a los normales, la necesidad de mayores blindajes estructurales, el aumento de la dosis recibida por el paciente y la posibilidad de artefactos en el proceso de AC debido al fallo de registro entre las imágenes SPECT y TC debido al movimiento tanto del paciente como cardíaco o respiratorio. Actualmente los equipos no híbridos (solo SPECT) constituyen un 80% de todos los equipos disponibles, estos son susceptibles a artefactos de atenuación. El objetivo de este estudio es la limitación de estos artefactos aumentando así la precisión diagnóstica de estos tomógrafos.
Existen distintas técnicas para obtener el mapa de atenuación a través del SPECT, se pueden basar en procesos de segmentación donde se asociará cada región con un valor de atenuación predefinido, o en modelos obtenidos de los datos de emisión.
Recientemente se han hecho avances gracias al aprendizaje profundo para obtener estimaciones de imágenes de una modalidad desde otra, empezando desde la conversión de imágenes RM a TC para la AC en equipos PET/RM. También se ha conseguido generar mapas de atenuación TC desde PET.
En este estudio se ha desarrollado un modelo 3D basado en en entrenamiento por GAN para estimar mapas de atenuación para SPECT desde los datos de emisión, tanto la ventana de fotopico como la de dispersión. La investigación inicial fue presentada en otro estudio. Este método fue evaluado en un cohorte de SPECTs de perfusión miocárdica, y su análisis tanto cuantitativo como cualitativo demostró la capacidad de generar mapas de atenuación realistas y de gran precisión.
En el estudio fueron incluidos 65 SPECTs de perfusión miocárdica, con y sin patología, todos ellos fueron protocolos de esfuerzo en un día con una dosis media de 15 mCi adquiridos en un equipo GE NM/CT850 SPECT/TC. Las características de adquisición del SPECT fueron 60 imágenes cubriendo una órbita de 180º, ventana de fotopico (126.5-154.5 keV) y de dispersión (114-126 keV). Las imágenes fueron reconstruidas con un algoritmo OSEM (5 iteraciones i 6 subconjuntos). La TC fue adquirida con 120 kVp y 20 mAs, para ser procesada con el software del propio equipo para convertirla en mapa de atenuación y registrarla con la SPECT.
El proceso para generar los mapas de atenuación, de manera simplificada, se basa en una cGAN donde un discriminador D intentaba diferenciar entre el mapa de atenuación por TC y el sintético generado por G, que a su vez trataba de generar el mapa, de manera indistinguible al creado con el TC, mediante una versión 3D modificada de la red neuronal convolucional U-net.
Las dos ventanas energéticas fueron incluidas en la red neuronal como una imagen multicanal, que se obtiene de la ventana de fotopico más información sobre los órganos (pulmón, corazón e hígado) mientras que la ventana de dispersión proporciona límites corporales más precisos.
Para que no hubiera discrepancias entre el mapa de atenuación por TC y el sintético la mesa de exploración fue recortada manualmente de la exploración TC, ya que no se puede obtener información de la misma con la SPECT, y después se volvió a insertar para el resultado final. Para las aplicaciones clínicas se puede guardar un modelo pre escaneado de la camilla para que se añada automáticamente en el proceso.
En este estudio se incluyeron 40 sujetos para el entrenamiento de las redes y 25 para la evaluación del resultado. Para dicha evaluación se entrenaron las redes con distintos procesos de normalización (media, máxima y gaussiana). Los mapas de atenuación sintéticos fueron comparados con los basados en TC mediante términos de error absoluto medio normalizado y error cuadrático medio. Después se compararon los resultados tanto de la cGAN, como de la U-net sin el entrenamiento contra adversario, utilizando las dos ventanas energéticas juntas (fotopico y dispersión) y cada una por separado. Los mapas creados fueron aplicados posteriormente en la reconstrucción con AC de las SPECTs, estas fueron comparadas con las SPECTs reconstruidas con AC mediante TC.
Los resultados de las comparaciones con distintos métodos de normalización fueron, aunque muy similares, mejores usando la normalización media, así que esta fue la utilizada en el resto de comparaciones.
Las SPECTs reconstruidas con AC mediante cGAN y U-net utilizando ambas ventanas energéticas fueron muy similares, entre ellas y las reconstruidas con la TC. Centrados en el corazón, las ROIs tanto en el miocardio como en el pool sanguíneo no tuvieron diferencias significativas entre estas reconstrucciones. Como curiosidad, cuando sólo se incorporó la ventana de fotopico la cGAN superó claramente a la U-net, y obtuvo resultados similares a el uso de las doble ventana.
De los 25 sujetos estudiados en la fase de evaluación se hicieron grupos, diferenciando por sexo y IMC (≤25 delgados y >25 sobrepeso), quedando entonces 12 sujetos delgados (7/15 hombres y 5/10 mujeres) y 13 con sobrepeso (8/15 hombres y 5/10 mujeres). Las diferencias entre los SPECTs con AC mediante mapas sintéticos y los obtenidos con TC fueron valoradas sin obtener ninguna desviación significativa, observándose mayores diferencias, aunque pequeñas con las mujeres, posiblemente debido a la gran diversidad de tamaños y densidades mamarias.
El tiempo de computación empleado en el entrenamiento fueron 10 y menos de 1 segundo para la obtención de los mapas de atenuación sintéticos, todo ello mediante una unidad de procesamiento gráfico NVIDIA GTX 1080 Ti.
Este estudio muestra la posibilidad de obtener reconstrucciones con AC de calidad sin el uso de una TC, siendo aplicable también a otros estudios y órganos. Existen algunos obstáculos como las mujeres que necesitarán más sujetos de entrenamiento para la red, se incluirán más mujeres en próximos estudios. Otro obstáculo pueden ser los pacientes obesos de los que no se pueda obtener toda la información corporal en el SPECT debido a su pequeño FOV.
Todo el entrenamiento ha sido basado en estudios con 99mTc-tetrofosmina siendo necesario más entrenamiento para otros radiofármacos, u otro tipo de equipos como los basados en detectores de estado sólido. El problema del FOV que podemos encontrar en pacientes obesos también se encontrará en equipos SPECT cardio dedicados donde serán necesarias otras técnicas y seguramente mayor entrenamiento.
El trabajo muestra la posibilidad de creación de mapas de atenuación precisos directamente desde una SPECT. Son necesarios más estudios con mayor variedad de sujetos que validen el método para establecer el beneficio clínico.
Valoración personal:
Me ha parecido que el trabajo realizado es muy completo, han tenido muchas variables en cuenta, aunque como los autores reconocen es necesario seguir avanzando por el camino que han marcado. El artículo puede ser complejo de leer e interpretar ya que se utilizan términos técnicos avanzados, aunque creo que es inevitable debido al tema tratado.
Opino que los propios autores son muy conscientes de los problemas o adversidades de su método y hacen constancia de ello, pero me parece que seguramente debido a que no son ellos los que están con el paciente al adquirir el SPECT no son conscientes de todos los beneficios que puede aportar su técnica. Se habla de que reduce la dosis recibida por el paciente y que es posible obtener estudios más precisos cuando no se dispone de un equipo híbrido, pero los que estamos con el paciente podemos ver más allá, como la ventaja de que el paciente no tenga que entrar en el gantry del TC reduciendo la sensación de claustrofobia, sobretodo con los equipos híbridos que tiende a ser más estrecho, permitiendo también una posición de los brazos por encima de la cabeza (lo peor de toda la prueba para muchos pacientes) más cómoda al no ser necesario que éstos entren al gantry. A su vez, esta es una de las limitaciones que veo al artículo ya que no hablan de la posición de los brazos de los pacientes y por lo tanto no podemos saber si es válida cuando nos vemos obligados a adquirir la SPECT con los brazos a los lados del cuerpo.
Albert Tomas Corella
Hospital universitario Vall d’Hebron Barcelona