S'identifier

Un abonnement à JoVE est nécessaire pour voir ce contenu. Connectez-vous ou commencez votre essai gratuit.

Dans cet article

  • Résumé
  • Résumé
  • Introduction
  • Protocole
  • Résultats
  • Discussion
  • Déclarations de divulgation
  • Remerciements
  • matériels
  • Références
  • Réimpressions et Autorisations

Résumé

L’objectif de cette étude était de développer un nouveau modèle numérique tridimensionnel pour le diagnostic précoce de la fibrose hépatique, qui inclut la rigidité de chaque voxel dans le foie du patient et peut donc être utilisé pour calculer le rapport de distribution du foie du patient à différents stades de la fibrose.

Résumé

La fibrose hépatique est un stade précoce de la cirrhose du foie, et il n’existe pas de meilleures méthodes non invasives et pratiques pour la détection et l’évaluation de la maladie. Malgré les progrès réalisés avec la carte de rigidité hépatique (LSM) basée sur l’élastographie par résonance magnétique (EMR), il reste encore quelques limites à surmonter, notamment la détermination manuelle de la focalisation, la sélection manuelle des régions d’intérêt (ROI) et les données LSM discontinues sans information structurelle, ce qui rend impossible l’évaluation du foie dans son ensemble. Dans cette étude, nous proposons un nouveau modèle numérique tridimensionnel (3D) pour le diagnostic précoce de la fibrose hépatique basé sur l’ERM.

L’ERM est une technique d’imagerie non invasive qui utilise l’imagerie par résonance magnétique (IRM) pour mesurer la rigidité hépatique au site d’examen par interaction homme-machine. Des études ont indiqué une corrélation positive significative entre le LSM obtenu par ERM et le degré de fibrose hépatique. Cependant, à des fins cliniques, une quantification complète et précise du degré de fibrose hépatique est nécessaire. Pour y remédier, le concept de distribution de rigidité hépatique (LSD) a été proposé dans cette étude, qui fait référence au volume de rigidité 3D de chaque voxel hépatique obtenu par l’alignement d’images 3D de tissus hépatiques et d’indicateurs EMR. Il s’agit d’un outil clinique plus efficace pour le diagnostic et le traitement de la fibrose hépatique.

Introduction

La fibrose hépatique fait référence à la formation d’un tissu cicatriciel excessif dans le foie, généralement à la suite de lésions hépatiques oud’une maladie 1,2,3,4. Elle survient fréquemment à la suite de lésions hépatiques chroniques et est généralement associée à des maladies du foie, telles que l’hépatite virale chronique, la stéatose hépatique non alcoolique et la maladie alcoolique du foie. Si elle n’est pas traitée, la fibrose hépatique peut évoluer vers une cirrhose, une affection potentiellement mortelle associée à une morbidité et à une mortalité importantes.

La recherche active dans ce domaine vise à élucider les mécanismes cellulaires et moléculaires sous-jacents à la pathogenèse de la fibrose hépatique, ainsi qu’à développer de nouvelles stratégies diagnostiques et thérapeutiques pour améliorer les résultats pour les patients. Un autre objectif est la détection non invasive du stade de la fibrose hépatique, qui est un aspect critique qui est directement corrélé au diagnostic de la maladie, au choix du traitement et à l’évaluation du pronostic. Malgré l’importance d’un diagnostic précis et de la surveillance de la fibrose hépatique, les méthodes de diagnostic traditionnelles, telles que la biopsie hépatique, sont invasives et associées à des risques importants. En revanche, l’élastographie par résonance magnétique 5,6 (EMR) est une technique d’imagerie non invasive prometteuse qui a démontré son potentiel dans le diagnostic et le suivi de la fibrose hépatique en quantifiant la rigidité hépatique.

Au cours des dernières années, d’importantes recherches ont été menées sur l’évaluation de la précision et de la fiabilité de l’ERM dans le diagnostic de la fibrose hépatique, ainsi que sur ses avantages potentiels par rapport aux méthodes de diagnostic traditionnelles. La mesure de la rigidité hépatique de l’ERM a été approuvée par la Food and Drug Administration (FDA) des États-Unis pour le diagnostic clinique, et une analyse comparative approfondie avec des résultats pathologiques a été menée dans la pratique clinique. Les résultats ont montré que les cartes de rigidité générées par l’ERM présentent une forte corrélation positive avec les différents stades de la fibrose hépatique 7,8,9,10,11,12. Pourtant, jusqu’à présent, le travail d’évaluation et de suivi précis de la progression de la fibrose hépatique chez les patients par l’analyse quantitative de la distribution de la rigidité hépatique (LSD) en faisant correspondre les images de la structure hépatique avec l’ERM n’a pas fait beaucoup de progrès.

Dans cette étude, la technique d’analyse de groupe d’imagerie médicale13,14,15 est introduite pour obtenir un alignement précis des images de la structure hépatique avec la carte de rigidité générée par l’EMR dans l’espace 3D, permettant le calcul des valeurs de rigidité hépatique pour chaque voxel de l’ensemble du foie. Sur la base du modèle numérique 3D du LSD, la distribution exacte de la stadification de la fibrose hépatique spécifique au patient peut être calculée et évaluée. Cela jette une base solide pour le diagnostic quantitatif précis de la fibrose hépatique à un stade précoce.

Protocole

Cette étude a utilisé la modélisation numérique 3D du LSD pour reconstruire le foie d’un patient typique atteint de fibrose hépatique cliniquement confirmée. Le patient a été recruté dans un établissement de traitement des maladies du foie bien connu, « You An Hospital » à Beijing, en Chine, et a subi une imagerie par résonance magnétique (IRM) abdominale supérieure de routine et une imagerie MRE après avoir donné son consentement. Le patient a été choisi comme étude de cas pour cette méthode de recherche en raison de la confirmation de la stadification de la fibrose hépatique par l’examen pathologique et de l’absence de symptômes cliniques évidents, ce qui souligne l’applicabilité et la valeur clinique de cette recherche dans le diagnostic des patients atteints de fibrose hépatique à un stade précoce. Cet article fournit également une comparaison quantitative entre le foie de ce patient et un foie sain. Les outils logiciels utilisés dans cette étude sont énumérés dans le tableau des matériaux.

1. Collecte et préparation des données

REMARQUE : La différence de paramètre n’est pas sensible à la méthode de recherche.

  1. Stratégies d’IRM
    REMARQUE : Cette étude a utilisé des données DICOM réelles obtenues à partir d’imagerie clinique à l’aide d’un appareil d’imagerie par résonance magnétique (IRM) fabriqué par GE. Le contenu des données comprend l’imagerie de séparation eau-graisse (IDEAL) et l’imagerie par élastographie par élastopathie (décomposition itérative de l’eau et de la graisse avec l’asymétrie d’écho et l’estimation des moindres carrés).
    1. Assurez-vous que les données IDEAL ont une résolution horizontale de 256 pixels par 256 pixels, avec un espacement des pixels de 1,5625 mm et une épaisseur de tranche de 10 mm.
      REMARQUE : La stratégie de balayage pourrait être optimisée davantage, mais la méthodologie employée dans cette étude est applicable à l’imagerie médicale de plus haute précision.
  2. Renommez le dossier de chaque séquence.
    REMARQUE : Étant donné que les données DICOM exportées à partir de l’équipement ne fournissent pas explicitement de noms de séquence, lors de l’étape de prétraitement, il est nécessaire d’ajouter des noms explicites pour chaque séquence afin de faciliter l’analyse et le traitement ultérieurs.
    1. Copiez toutes les données DICOM dans un répertoire de travail personnalisé.
    2. Accédez au répertoire contenant les données dans le répertoire de travail de MATLAB.
    3. Exécutez la fonction Description_Name pour ajouter des noms descriptifs aux dossiers de chaque séquence.
    4. Voir la figure 1 pour une comparaison avant et après le changement de nom. Ajoutez un nom de description à chaque dossier de séquences d’images pour faciliter l’identification des séquences d’images nécessaires à diverses fins d’analyse.
  3. Vérifiez rapidement les images d’IDEAL.
    1. Modifiez le répertoire des dossiers des différentes phases, y compris les phases en phase, en phase de sortie, en eau et en graisse, qui ont été stockés dans des dossiers séparés pour l’imagerie à l’aide d’IDEAL.
    2. Exécutez la fonction Slice_View pour afficher les séquences d’impact pour chaque phase.
    3. Voir la figure 2 pour une image de l’interface utilisateur graphique interactive (GUI) pour la séquence IRM-IDEAL. Utilisez la barre de défilement en bas de l’interface graphique pour parcourir rapidement les différentes séquences.
    4. Utilisez la séquence de déphase IRM-IDEAL comme type de séquence d’IRM pour fournir des descriptions plus claires des limites du tissu hépatique.
      REMARQUE : Dans les opérations suivantes, l’accent sera mis sur l’utilisation de la séquence de déphase d’IDEAL pour délimiter la région 3D du foie.

2. Extraire la région 3D du foie

REMARQUE : Les voxels individuels dans la région 3D du foie servent de transporteurs spatiaux pour le LSD, la valeur de rigidité de chaque voxel étant dérivée de MRE. L’extraction de la région 3D du tissu hépatique est une étape nécessaire avant la fusion. Bien que l’apprentissage profond puisse être utilisé pour accomplir cette tâche plus efficacement, ce n’est pas l’objet de cette étude. Par conséquent, des outils logiciels matures (par exemple, MIMICS) sont encore utilisés ici pour extraire la région 3D du tissu hépatique.

  1. Pour lancer le logiciel MIMICS, sélectionnez Nouveau projet et, dans la boîte de dialogue qui s’affiche, accédez au dossier contenant les images de déphase IDEAL. Continuez en cliquant sur SUIVANT | le bouton Convertir , ce qui permet d’accéder à l’état d’édition de séquence.
  2. Pour créer un masque vide, cliquez sur le bouton Nouveau dans la boîte de dialogue MASQUE située sur le côté droit et sélectionnez le seuil maximum.
  3. Pour délimiter la zone du foie dans toutes les vues horizontales, utilisez l’outil Modifier les masques situé sous l’étiquette Segment .
  4. Pour générer la partie spatiale 3D du foie, sélectionnez le masque hépatique qui a été délimité et cliquez sur le bouton Calculer la partie à partir du masque . La région 3D extraite du foie est illustrée à la figure 3.
  5. Cliquez sur Fichier | Exporter | sélectionnez la commande Dicom . Dans la boîte de dialogue contextuelle, choisissez le masque de foie, définissez le chemin d’accès et les noms des fichiers, puis cliquez sur le bouton OK pour terminer l’exportation de la région 3D du foie vers les fichiers DICOM spécifiés.

3. La séquence de la carte de rigidité hépatique

REMARQUE : La plage de rigidité MRE chez les patients atteints de fibrose précoce est généralement inférieure à 8 kpa. Pour l’afficher, l’image de séquence intitulée « SE27_ST8K_(Pa) » doit être sélectionnée.

  1. Remplacez le répertoire par le dossier 'SE27_ST8K_(Pa)', qui contient la séquence de la carte de rigidité hépatique.
  2. Pour parcourir chaque carte de rigidité, exécutez la fonction MRE_show dans l’espace de travail de Matlab, l’argument de la fonction étant le nom de fichier situé dans le chemin spécifié.
  3. La carte de rigidité hépatique illustrée à la figure 4 est une image RVB en couleurs vraies, avec une structure de données de 512 pixels par 512 pixels par 3 matrices, où chaque point de pixel a trois valeurs représentant les trois couleurs primaires, RBG. Observez la barre de couleur à gauche qui affiche les valeurs de rigidité correspondantes de pixels de différentes couleurs. Calculez la rigidité exacte de chaque pixel à l’aide de leurs corrélations respectives.
  4. Les informations supplémentaires de la figure 4 comprennent des données telles que la description de la séquence, la position du scan, l’heure, les informations sur le patient et les paramètres de l’image. Utilisez ces données, en particulier les paramètres de l’image, pour établir la relation spatiale entre les séquences MRE et IDEAL.

4.3D-Volume de la distribution de la rigidité hépatique

REMARQUE : Chaque voxel du volume de rigidité hépatique 3D représente la valeur de rigidité d’un voxel correspondant dans la région hépatique 3D, qui est dérivée de la valeur de rigidité de chaque pixel de la figure 4. En alignant la région hépatique 3D de la figure 3 avec la carte de rigidité de la figure 4, il est possible d’extraire la valeur de rigidité de chaque voxel, ce qui permet de générer le volume de rigidité hépatique 3D.

  1. Appelez la fonction LSD_Slice avec la région hépatique 3D illustrée à la figure 3 et la carte de rigidité hépatique de la figure 4 comme paramètres d’entrée pour obtenir le volume 3D de la distribution de la rigidité hépatique, comme illustré à la figure 5.
  2. Affichez la carte de rigidité de chaque couche du foie en faisant glisser la barre de défilement sous l’interface graphique illustrée à la figure 5.
    REMARQUE : Cependant, contrairement à la figure 4, seul le tissu hépatique est conservé avec précision ici.
  3. Observez les icônes dans le coin supérieur droit de l’interface graphique (Figure 5), telles que le zoom avant, le zoom arrière, le retour à la vue globale et le marquage des coordonnées du pixel sélectionné.
    REMARQUE : La barre de couleur par défaut est la palette de couleurs de « jet », ce qui signifie que les valeurs correspondantes (unité kpa) du bleu au rouge sont faibles à élevées.
  4. Exécutez la fonction LSD_Volume avec la même entrée que LSD_Slice pour obtenir la distribution spatiale du LSD hépatique 3D, comme le montre la figure 6. Visualisez le volume 3D du LSD sous n’importe quel angle en maintenant le bouton gauche de la souris enfoncé et en faisant glisser l’écran (Figure 6).

5. Analyse quantitative du LSD

REMARQUE : Un objectif important de l’analyse quantitative de cette étude est de fournir la proportion de différents stades de voxels LSD dans le foie du patient. La figure 6 montre que la distribution de la fibrose hépatique chez les patients est inégale selon les différents emplacements spatiaux. La raison pour laquelle les symptômes cliniques ne sont pas encore évidents est principalement due au fait qu’une proportion considérable de tissu hépatique est à un stade normal. Par conséquent, il est nécessaire de quantifier précisément la différence entre les patients et les individus en bonne santé. Il s’agit d’un concept quantitatif important de cette étude.

  1. Déterminer les plages numériques des valeurs de rigidité pour les différents stades de la fibrose hépatique, comme le montre la figure 7.
  2. Calculez la distribution de l’ensemble des voxels hépatiques du patient à différents stades de fibrose (Figure 8) en invoquant la fonction Hepatic_Fibrosis avec le paramètre d’entrée du volume 3D de LSD illustré à la Figure 6.
  3. Utilisez les mêmes étapes pour calculer et comparer les résultats d’un foie complètement sain avec le patient typique atteint de fibrose hépatique décrit ci-dessus (Figure 9).

Résultats

En utilisant les informations contenues dans le champ Description_Name des fichiers DICOM, le dossier IRM d’origine peut être renommé pour faciliter la localisation rapide de la séquence d’imagerie requise pendant le processus d’analyse dans le groupe d’imagerie. La séquence de déphase IRM-IDEAL est le type de séquence d’IRM utilisée pour fournir des descriptions plus claires des limites du tissu hépatique. En effet, la séquence déphasée IRM-IDEAL peut mieux différencier la force d...

Discussion

Dans la pratique clinique, il est difficile de quantifier et de suivre avec précision l’état des patients atteints de fibrose hépatique à un stade précoce. La comparaison présentée à la figure 9 reflète pleinement le degré de fibrose hépatique chez le patient par rapport à un foie sain ; Bien entendu, ce chiffre peut également être une comparaison entre deux périodes différentes pour le patient, utilisée pour l’évaluation de l’efficacité du traitement. Cette méthod...

Déclarations de divulgation

L’outil logiciel de quantification de la fibrose hépatique répertorié dans le tableau des matériaux de cette étude, HepaticFibrosis V1.0, est un outil logiciel de Beijing Intelligent Entropy Science & Technology Co Ltd. Les droits de propriété intellectuelle de cet outil logiciel appartiennent à l’entreprise.

Remerciements

Cette publication a été soutenue par le cinquième programme national de recherche sur les talents cliniques d’excellence en médecine traditionnelle chinoise organisé par l’Administration nationale de la médecine traditionnelle chinoise. Le lien réseau officiel est 'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html. '

matériels

NameCompanyCatalog NumberComments
MATLABMathWorks 2022BComputing and visualization 
MimicsMaterialiseMimics Research V20Model format transformation
Tools for 3D_LSDIntelligent EntropyHepaticFibrosis V1.0Beijing Intelligent Entropy Science & Technology Co Ltd.
Modeling for CT/MRI fusion

Références

  1. Henderson, N. C., Rieder, F., Wynn, T. A. Fibrosis: from mechanisms to medicines. Nature. 587 (7835), 555-566 (2020).
  2. Parola, M., Pinzani, M. Liver fibrosis: Pathophysiology, pathogenetic targets and clinical issues. Molecular Aspects of Medicine. 65, 37-55 (2019).
  3. Ramachandran, P., et al. Resolving the fibrotic niche of human liver cirrhosis at single-cell level. Nature. 575 (7783), 512-518 (2019).
  4. Stefan, N., Häring, H. -. U., Cusi, K. Non-alcoholic fatty liver disease: causes, diagnosis, cardiometabolic consequences, and treatment strategies. The Lancet. Diabetes & Endocrinology. 7 (4), 313-324 (2019).
  5. Castera, L., Friedrich-Rust, M., Loomba, R. Noninvasive assessment of liver disease in patients with nonalcoholic fatty liver disease. Gastroenterology. 156 (5), 1264.e4-1281.e4 (2019).
  6. Godoy-Matos, A. F., Silva Júnior, W. S., Valerio, C. M. NAFLD as a continuum: from obesity to metabolic syndrome and diabetes. Diabetology & Metabolic Syndrome. 12 (1), 1-20 (2020).
  7. Venkatesh, S. K., Xu, S., Tai, D., Yu, H., Wee, A. Correlation of MR elastography with morphometric quantification of liver fibrosis (Fibro-C-Index) in chronic hepatitis B. Magnetic Resonance in Medicine. 72 (4), 1123-1129 (2014).
  8. Yin, M., et al. Assessment of hepatic fibrosis with magnetic resonance elastography. Clinical Gastroenterology and Hepatology. 5 (10), 1207-1213 (2007).
  9. Venkatesh, S. K., Wang, G., Lim, S. G., Wee, A. Magnetic resonance elastography for the detection and staging of liver fibrosis in chronic hepatitis B. European Radiology. 24, 70-78 (2014).
  10. Ichikawa, S., et al. Magnetic resonance elastography for staging liver fibrosis in chronic hepatitis C. Magnetic Resonance in Medical Sciences. 11 (4), 291-297 (2012).
  11. Chen, J., et al. Early detection of nonalcoholic steatohepatitis in patients with nonalcoholic fatty liver disease by using MR elastography. Radiology. 259 (3), 749-756 (2011).
  12. Singh, S., et al. Diagnostic performance of magnetic resonance elastography in staging liver fibrosis: a systematic review and meta-analysis of individual participant data. Clinical Gastroenterology and Hepatology. 13 (3), 440.e6-451.e6 (2015).
  13. Ferro, M., et al. Radiomics in prostate cancer: an up-to-date review. Therapeutic Advances in Urology. 14, 17562872221109020 (2022).
  14. Nam, D., Chapiro, J., Paradis, V., Seraphin, T. P., Kather, J. N. Artificial intelligence in liver diseases: Improving diagnostics, prognostics and response prediction. JHEP Reports. 4 (4), 100443 (2022).
  15. Wu, Y. -. J., Wu, F. -. Z., Yang, S. -. C., Tang, E. -. K., Liang, C. -. H. Radiomics in early lung cancer diagnosis: from diagnosis to clinical decision support and education. Diagnostics. 12 (5), 1064 (2022).

Réimpressions et Autorisations

Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE

Demande d’autorisation

Explorer plus d’articles

Fibrose h patiqueCirrhose du foieNon invasifM thodes pratiquesD tectionvaluationCarte de rigidit h patique LSMlastographie par r sonance magn tique ERMD termination manuelle de la focalisationR gions d int r t ROIDonn es LSM discontinuesInformations structurellesMod le num rique tridimensionnel 3DDiagnostic pr coceERMImagerie par r sonance magn tique IRMRigidit h patiqueInteraction homme machineCorr lation positive significativeDegr de fibrose h patiqueQuantification compl teFoie Distribution de rigidit LSDvolume de rigidit 3Dvoxel h patiqueimages 3D de tissus h patiques

This article has been published

Video Coming Soon

JoVE Logo

Confidentialité

Conditions d'utilisation

Politiques

Recherche

Enseignement

À PROPOS DE JoVE

Copyright © 2025 MyJoVE Corporation. Tous droits réservés.