Un modelo digital 3D para el diagnóstico y tratamiento de nódulos pulmonares

Resumen

El objetivo de este estudio es desarrollar un nuevo modelo digital 3D de nódulos pulmonares que sirva como puente de comunicación entre médicos y pacientes y que también sea una herramienta de vanguardia para el prediagnóstico y la evaluación pronóstica.

Resumen

La reconstrucción tridimensional (3D) de los nódulos pulmonares utilizando imágenes médicas ha introducido nuevos enfoques técnicos para diagnosticar y tratar los nódulos pulmonares, y estos enfoques están siendo progresivamente reconocidos y adoptados por médicos y pacientes. No obstante, la construcción de un modelo digital 3D relativamente universal de nódulos pulmonares para el diagnóstico y el tratamiento es un desafío debido a las diferencias en los dispositivos, los tiempos de disparo y los tipos de nódulos. El objetivo de este estudio es proponer un nuevo modelo digital 3D de nódulos pulmonares que sirva de puente entre médicos y pacientes y que sea también una herramienta de vanguardia para el prediagnóstico y la evaluación pronóstica. Muchos métodos de detección y reconocimiento de nódulos pulmonares impulsados por IA emplean técnicas de aprendizaje profundo para capturar las características radiológicas de los nódulos pulmonares, y estos métodos pueden lograr un buen rendimiento bajo la curva (AUC) del área. Sin embargo, los falsos positivos y falsos negativos siguen siendo un desafío para los radiólogos y los médicos. La interpretación y expresión de las características desde la perspectiva de la clasificación y el examen de los nódulos pulmonares siguen siendo insatisfactorias. En este estudio, se propone un método de reconstrucción 3D continua de todo el pulmón en posiciones horizontal y coronal mediante la combinación de tecnologías de procesamiento de imágenes médicas existentes. En comparación con otros métodos aplicables, este método permite a los usuarios localizar rápidamente los nódulos pulmonares e identificar sus propiedades fundamentales, al tiempo que observa los nódulos pulmonares desde múltiples perspectivas, proporcionando así una herramienta clínica más eficaz para diagnosticar y tratar los nódulos pulmonares.

Introducción

La incidencia global de nódulos pulmonares es variable, pero generalmente se estima que alrededor del 30% de los adultos tienen al menos un nódulo pulmonar visible en las radiografías de tórax¹. La incidencia de nódulos pulmonares es mayor en poblaciones específicas, como los fumadores empedernidos y aquellos con antecedentes de cáncer de pulmón u otras enfermedades pulmonares. Es importante señalar que no todos los nódulos pulmonares son malignos, pero es necesaria una evaluación exhaustiva para descartar neoplasias malignas². La detección temprana y el diagnóstico del cáncer de pulmón son cruciales para mejorar las tasas de supervivencia, y se recomienda la detección regular con tomografía computarizada de baja dosis (LDCT) para las personas de alto riesgo. Muchos métodos de detección y reconocimiento de nódulos pulmonares impulsados por IA 3,4,5,6,7 emplean técnicas de aprendizaje profundo para capturar las características radiológicas de los nódulos pulmonares^, y estos métodos pueden lograr un buen rendimiento de área bajo la curva (AUC). Sin embargo, los falsos positivos y falsos negativos siguen siendo un desafío para los radiólogos y los médicos. La interpretación y expresión de las características desde la perspectiva de la clasificación y el examen de los nódulos pulmonares siguen siendo insatisfactorias. Al mismo tiempo, la reconstrucción 3D de nódulos pulmonares basada en LDCT ha ganado cada vez más atención como modelo digital para varios tipos de nódulos.

La reconstrucción 3D de nódulos pulmonares es un proceso que genera una representación 3D de un pequeño crecimiento o bulto en el pulmón. Este proceso generalmente implica la aplicación de técnicas de análisis de imágenes médicas que aprovechan tanto la experiencia médica como los enfoques de inteligencia de datos. El modelo digital 3D resultante ofrece una representación más detallada y precisa del nódulo, lo que permite una mejor visualización y análisis de su tamaño, forma y relación espacial con los tejidos pulmonares circundantes 8,9,10,11,12. Dicha información puede ayudar en el diagnóstico y monitoreo de nódulos pulmonares, particularmente aquellos sospechosos de ser cancerosos. Al facilitar un análisis más preciso, la reconstrucción 3D de los nódulos pulmonares tiene el potencial de mejorar la precisión del diagnóstico e informar las decisiones de tratamiento.

La proyección de intensidad máxima (MIP) es una técnica popular en el campo de la reconstrucción 3D de nódulos pulmonares y se utiliza para crear una proyección 2D de una imagen 3D 8,9,10,11,12 Es particularmente útil en la visualización de datos volumétricos extraídos de archivos de imágenes digitales y comunicaciones en medicina (DICOM) escaneados por TC. La técnica MIP funciona seleccionando los vóxeles (las unidades más pequeñas de datos de volumen 3D) con la mayor intensidad a lo largo de la dirección de visualización y proyectándolos en un plano 2D. Esto da como resultado una imagen 2D que enfatiza las estructuras con mayor intensidad y suprime aquellas con menor intensidad, lo que facilita la identificación y el análisis de características relevantes 9,10,11,12. Sin embargo, MIP no está exento de limitaciones. Por ejemplo, el proceso de proyección puede resultar en una pérdida de información, y la imagen 2D resultante puede no representar con precisión la estructura 3D del objeto subyacente. Sin embargo, MIP sigue siendo una herramienta valiosa para la imagen y visualización médica, y su uso continúa evolucionando con los avances en tecnología y potencia de cómputo¹¹.

En este estudio, se desarrolla un modelo MIP sucesivo para visualizar nódulos pulmonares que es fácil de usar, fácil de usar para radiólogos, médicos y pacientes, y permite la identificación y estimación de las propiedades de los nódulos pulmonares. Las principales ventajas de este enfoque de procesamiento incluyen los siguientes aspectos: (1) eliminar los falsos positivos y falsos negativos derivados del reconocimiento de patrones, lo que permite centrarse en ayudar a los médicos a obtener información más completa sobre la ubicación, la forma y el tamaño 3D de los nódulos pulmonares, así como su relación con la vasculatura circundante; (2) permitir a los médicos especialistas adquirir un conocimiento profesional de las características de los nódulos pulmonares incluso sin la asistencia de radiólogos; y (3) mejorar tanto la eficiencia de la comunicación entre médicos y pacientes como la evaluación del pronóstico.

Access restricted. Please log in or start a trial to view this content.

Protocolo

NOTA: Durante la etapa de preprocesamiento de datos, los datos DICOM originales deben clasificarse e interceptarse para garantizar la compatibilidad con varios dispositivos y resultados consistentes. Se debe reservar una capacidad ajustable adecuada para el procesamiento de la intensidad, y una perspectiva 3D continua es esencial para la observación. En este protocolo, se proporciona una descripción metódica del enfoque de investigación, detallando un caso que involucra a una paciente femenina de 84 años que presenta nódulos pulmonares. Esta paciente dio su consentimiento informado para su diagnóstico a través de modelos digitales y autorizó la utilización de sus datos con fines de investigación científica. La función de reconstrucción del modelo se deriva de la herramienta de software PulmonaryNodule (consulte la Tabla de materiales para obtener más detalles). La autorización ética se obtuvo del Comité de Ética del Hospital Dongzhimen, afiliado a la Universidad de Medicina China de Beijing (DZMEC-KY-2019.90).

1. Recopilación y preparación de datos

1. Datos de LDCT para la detección de nódulos pulmonares
   NOTA: Las diferencias observadas en los valores de los parámetros no dependen del método de investigación utilizado.
   1. Adquirir el consentimiento del paciente para la adquisición de datos DICOM. Transfiera todos los datos al directorio de trabajo designado.
   2. Identifique el directorio de datos con el mayor número de capas de escaneo y el grosor de capa más delgado para optimizar la precisión en función de la información del archivo. En general, cuantos más archivos de escaneo DICOM tenga un paciente, más delgado será el grosor de la capa de escaneo.
   3. Al implementar la función Dicominfo y utilizar los archivos DICOM como parámetros de función, obtenga los parámetros de grosor de corte y espaciado de píxeles en el entorno de MATLAB. Estos parámetros son esenciales para establecer la velocidad de visualización del volumen 3D. Para los datos de ejemplo utilizados en este estudio, el grosor del corte fue de 1 mm, el espaciado de píxeles fue de 0,5 mm y se escanearon un total de 200 capas.
2. Corrección de la clasificación de los datos escaneados
   NOTA: La secuencia de cada imagen debe ordenarse para la construcción del volumen.
   1. Lea los datos de ubicación de cada imagen utilizando la función Dicominfo. Obtenga la ubicación ingresando información. SliceLocation en el espacio de trabajo de MATLAB.
   2. Implemente la función SliceLocation para almacenar la matriz de ubicación de una variable y cree un gráfico de ella (Figura 1).
   3. Mediante el botón Sugerencias de datos en la parte superior derecha de la GUI, agregue una sugerencia de datos a la gráfica en el punto que represente el valor máximo de ubicación de la secuencia normal (la ubicación superior de la imagen del paciente; Figura 1).
   4. Ordene todas las imágenes y extraiga las imágenes a partir de 1 hasta el valor máximo de ubicación implementando la función VolumeResort.
   5. Almacene los volúmenes de las imágenes válidas con el índice ordenado, que será útil para rastrear los nódulos importantes.
3. Inspección del volumen torácico
   NOTA: Tener una estructura de almacenamiento de datos bien definida hace que el trabajo de seguimiento sea más conveniente.
   1. Implemente la función VolumeInspect para mostrar tres vistas del volumen construido. Arrastre la intersección en cruz hacia arriba y hacia abajo en el eje coronal para examinar rápidamente todas las imágenes en el eje horizontal (Figura 2).
   2. Mueva la cruz al eje horizontal para examinar todas las imágenes del eje coronal. El punto de mira está en las mismas coordenadas espaciales en el volumen 3D; Por lo tanto, moverlo en un eje cambiará la ubicación de las imágenes en los otros dos ejes.
   3. Para la función VolumeInspect, utilice la ventana de intensidad predeterminada para el pulmón en la GUI. Ajuste el rendimiento real del filtro manteniendo presionado el botón izquierdo del mouse y arrastrando el eje.

2. Modelo digital para reconstrucción 3D horizontal

NOTA: El subproceso 3Dlung_Horizon realiza un examen exhaustivo de los nódulos pulmonares desde una perspectiva horizontal.

1. Implemente la función Build_3Dlung_Horizon en el lugar de trabajo de MATLAB para reconstruir el modelo digital 3D de los nódulos pulmonares debajo de la ventana del filtro del pulmón y, a continuación, abra la GUI para comprobar el modelo 3D horizontal (Figura 3).
2. A diferencia del paso 1.3.2, la GUI en la Figura 3 es una estructura pulmonar 3D continua en la que se pueden ver claramente varios tipos de nódulos pulmonares y sus relaciones espaciales relativas con el tejido pulmonar. Al arrastrar la barra de desplazamiento en la GUI con el mouse, se puede observar la estructura pulmonar 3D continua.
3. La esquina superior derecha de la GUI de la figura 3 proporciona iconos para acercar, alejar, volver a la vista global y marcar las coordenadas del píxel seleccionado. Utilice la función de zoom para observar las características locales de las lesiones y generar imágenes de salida estructural 3D relevantes. Utilice el botón Marcar coordenadas de píxeles para calcular la distancia entre dos puntos con el fin de medir el tamaño de los nódulos.
4. La barra de color predeterminada es el mapa de colores jet, lo que significa que azul a rojo representa valores de menor a mayor. Haga clic con el botón derecho en Barra de color en el menú emergente para seleccionar el mapa de color gris común y restablecer toda la GUI.
5. Si la ventana del filtro no está satisfecha, utilice el botón izquierdo del ratón para arrastrar hacia arriba y hacia abajo en el centro de la figura para ajustar el nivel de la ventana. Arrastre hacia la izquierda y hacia la derecha para ajustar el ancho de la ventana, y el rango de filtrado preciso correspondiente se mostrará en la barra de color.

3. Construir un modelo digital 3D para cualquier nódulo específico

NOTA: El número de corte es un parámetro de la función 3D_Nodules, que reconstruye un modelo digital 3D que se puede ver desde todas las perspectivas.

1. Para determinar el número de segmento, como en la Figura 3, verifique en la parte superior derecha de la barra de desplazamiento; en la figura 3, el número de segmento es 70. Utilice la función Build_3D_Nodules con dos parámetros, incluido el número de corte y el volumen torácico creado en el paso 1.3, para reconstruir un modelo digital 3D para nódulos específicos. Este es un modelo definido por el usuario, ya que el número de segmento de entrada es variable y depende del usuario.
2. Si la función Build_3D_Nodules se ejecuta correctamente, el usuario puede verificar el nódulo pulmonar ubicado en un determinado número de corte desde varias perspectivas en la GUI emergente (Figura 4). Para ello, realice las siguientes acciones:
   1. Mantenga presionado el botón izquierdo del mouse, como en el centro de la Figura 4, y arrástrelo en cualquier dirección para cambiar la perspectiva de los nódulos pulmonares. Cabe señalar que el ángulo de observación debe tener en cuenta las consideraciones anatómicas y tratar de mostrar tanto las características médicas de los nódulos pulmonares como la relación entre los nódulos y los tejidos circundantes.
3. Use los iconos de zoom y movimiento en la esquina superior derecha, como se indica en la figura 3. Además, al girar el botón central del ratón, el usuario puede acercar o alejar continuamente la vista del modelo.
4. La GUI de la Figura 4 muestra la indicación de coordenadas del modelo en la esquina inferior izquierda, donde la dirección positiva en el eje z es la dirección de escaneo en posición horizontal. Implemente la herramienta de captura de pantalla proporcionada por el sistema operativo para guardar la proyección 3D requerida de los nódulos.

4. Modelo digital de una reconstrucción coronal 3D

NOTA: El subproceso Build_3Dlung_Coronal se ejecuta para evaluar los nódulos pulmonares desde una perspectiva coronal alternativa, ayudando así a los médicos y pacientes a desarrollar una comprensión más precisa e inclusiva de la ubicación y los atributos de los nódulos.

1. Implemente la función Build_3Dlung_Coronal en el lugar de trabajo de MATLAB para reconstruir el modelo digital 3D de nódulos pulmonares bajo la ventana del filtro del pulmón y, a continuación, abra la GUI, según lo preparado por la función, para comprobar el modelo 3D coronal (Figura 5).
2. La GUI en la Figura 5 muestra una estructura pulmonar 3D coronal continua en la que se pueden ver claramente varios tipos de nódulos pulmonares y sus relaciones espaciales relativas con el tejido pulmonar. Arrastre la barra de desplazamiento en la GUI con el mouse para observar la estructura pulmonar 3D coronal continua.
3. La esquina superior derecha de la GUI, como se muestra en la Figura 5, también proporciona iconos para acercar, alejar, volver a la vista global y marcar las coordenadas del píxel seleccionado. Utilice estas funciones para observar las características locales de las lesiones y para generar imágenes estructurales 3D relevantes. Marque las coordenadas de píxeles para calcular la distancia entre dos puntos, que a menudo se usa para medir el tamaño de los nódulos.
4. La barra de color predeterminada es el mapa de colores jet, en el que los colores de azul a rojo representan valores de menor a mayor. Haga clic con el botón derecho en la barra de color del menú emergente para seleccionar el mapa de color gris común y restablecer toda la GUI.
5. Si la ventana de filtro no es apropiada, use el botón izquierdo del mouse para arrastrar hacia arriba y hacia abajo en el centro de la figura para ajustar el nivel de la ventana; Arrastre hacia la izquierda y hacia la derecha para ajustar el ancho de la ventana, y el rango de filtrado preciso correspondiente se mostrará en la barra de color.

5. Salida de video 3D para nódulos pulmonares dominantes

NOTA: La conversión del modelo digital 3D óptimo de un nódulo pulmonar en un video 3D dinámico permite a los médicos y pacientes comprender mejor la condición y hacer juicios precisos, lo cual es especialmente crítico para formular planes de tratamiento efectivos.

1. En el espacio de trabajo, prepare el modelo digital 3D requerido y previsualice las relaciones espaciales relativas entre los nódulos pulmonares y el tejido pulmonar que se mostrarán desde varios ángulos (Figura 3 y Figura 4).
2. En este estudio, se utilizó Adobe Captivate 2019 para registrar todos los procesos de interacción de la GUI. Para comenzar, abra el software y cree un nuevo proyecto de grabación de pantalla. Apague la cámara y aparecerá el cuadro de rango de grabación de pantalla roja para grabar solo la operación de la pantalla. En este estudio, la GUI de la versión 5.1 fue incluida en la caja. Haga clic en el botón de grabación para operar la GUI y generar un archivo de video digital de la grabación de pantalla.
3. Después de grabar la visualización dinámica de los nódulos pulmonares, vuelva al entorno operativo del software haciendo clic en el icono de la barra de tareas.
4. Mediante la función de publicación de vídeo, guarde el vídeo dinámico grabado del modelo digital 3D de los nódulos pulmonares. Haga clic en Archivo > Distribuir y configurar la ruta de almacenamiento de archivos. Asigne un nombre al archivo y guarde el archivo de vídeo digital deseado.

Access restricted. Please log in or start a trial to view this content.

Resultados

Para que el método sea aplicable a una gama más amplia de dispositivos, el orden de apilamiento de cada escaneo debe reorganizarse en función de las coordenadas internas del sistema de archivos DICOM (Figura 1) para generar el volumen 3D correcto (Figura 2). Con base en los datos de volumen precisos, utilizamos la reconstrucción continua algorítmica de los MIP horizontales y coronales pulmonares del paciente (Figura 4 y

Access restricted. Please log in or start a trial to view this content.

Discusión

Los diferentes dispositivos LDCT tienen diferencias significativas en las secuencias de imágenes DICOM que generan, especialmente en términos de administración del sistema de archivos. Por lo tanto, para reconstruir el modelo digital 3D clave de un nódulo pulmonar en las últimas etapas del protocolo, el paso de preprocesamiento de datos es particularmente importante. En la etapa de preparación y preprocesamiento de datos (paso 1.2.2), la coordenada del eje z de la secuencia se puede ordenar correctamente utilizando...

Access restricted. Please log in or start a trial to view this content.

Materiales

Name	Company	Catalog Number	Comments
MATLAB	MathWorks	2022B	Computing and visualization
Tools for Modeling	Intelligent  Entropy	PulmonaryNodule V1.0	Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion