Analyse du spectre multifractal pour l’évaluation de la malignité des nodules pulmonaires

Résumé

Cette étude introduit l’analyse du spectre multifractal pour évaluer la malignité des nodules pulmonaires. À l’aide des données CT-DICOM, la méthode calcule les dimensions fractales à plusieurs échelles de voxels, révélant des différences significatives entre les nodules pulmonaires à un stade précoce et avancé.

Résumé

L’évaluation non invasive de la malignité des nodules pulmonaires reste un défi majeur dans le diagnostic du cancer du poumon. Les méthodes traditionnelles manquent souvent de précision pour différencier les nodules bénins des nodules malins, en particulier dans les premiers stades. Cette étude introduit une approche utilisant l’analyse du spectre multifractal pour évaluer quantitativement les caractéristiques des nodules pulmonaires.

Un protocole basé sur les fractales a été développé pour traiter les données de tomodensitométrie (TDM) et d’imagerie numérique et de communications en médecine (DICOM), permettant ainsi la visualisation et l’analyse tridimensionnelles (3D) du spectre multifractal du nodule pulmonaire. La méthode implique une reconstruction de volume 3D, une délimitation précise du retour sur investissement et le calcul des dimensions fractales à plusieurs échelles. Les spectres multifractals ont été calculés pour les nodules d’adénocarcinome pulmonaire de stade précoce et avancé, avec une analyse comparative effectuée à l’aide de la quantification de l’outil de pointe des données.

L’analyse a révélé que la dimension fractale de la matrice numérique 3D d’un nodule pulmonaire varie continuellement avec différentes échelles de voxels, formant un spectre multifractal distinctif. Des différences significatives ont été observées entre les nodules de stade précoce et avancé. Les nodules à un stade avancé ont montré une gamme d’échelle plus large (axe X plus long) et des points extrêmes plus élevés dans leurs spectres multifractals. Ces distinctions ont été confirmées quantitativement, indiquant le potentiel de la méthode pour une stadification précise.

L’analyse du spectre multifractal fournit une méthode quantitative très significative et précise pour stadifier les nodules pulmonaires, différenciant efficacement les cas bénins et malins. Cette technique non invasive est prometteuse pour améliorer le diagnostic précoce et la stadification précise du cancer du poumon, ce qui pourrait améliorer la prise de décision clinique en oncologie pulmonaire.

Introduction

Le cancer du poumon reste l’une des principales causes de décès liés au cancer dans le monde, la détection précoce et le diagnostic précis jouant un rôle crucial dans l’amélioration des résultats pour les patients¹. Les nodules pulmonaires, souvent détectés accidentellement ou par le biais de programmes de dépistage, représentent un défi diagnostique important pour les cliniciens. La capacité de différencier les nodules bénins des nodules malins, en particulier à leurs débuts, est primordiale pour une intervention rapide et une prise en charge appropriée².

Traditionnellement, le critère standard pour diagnostiquer la malignité des nodules pulmonaires est l’examen histopathologique par des procédures invasives telles que la biopsie ou la résection chirurgicale. Bien que ces méthodes fournissent des diagnostics définitifs, elles comportent des risques inhérents, notamment le pneumothorax, les saignements et les infections³. De plus, la nature invasive de ces procédures peut entraîner une gêne et une anxiété pour les patients, ainsi qu’une augmentation des coûts des soins de santé. De plus, les procédures de biopsie elles-mêmes sont sujettes à des problèmes de précision d’échantillonnage, avec le potentiel d’obtenir des échantillons de tissus non représentatifs pouvant conduire à un diagnostic erroné. Par conséquent, il existe un besoin urgent de techniques de diagnostic non invasives capables d’évaluer avec précision la malignité des nodules sans soumettre les patients à des procédures invasives inutiles⁴.

La tomodensitométrie (TDM) est devenue un outil puissant dans la détection et la caractérisation des nodules pulmonaires⁵. Cependant, l’interprétation des images TDM pour l’évaluation des nodules reste difficile, avec une variabilité considérable entre les radiologistes. Les lignes directrices actuelles et les déclarations de consensus d’experts sur l’évaluation des nodules par TDM reposent principalement sur des caractéristiques morphologiques telles que la taille, la forme et le taux de croissance. Bien que ces critères fournissent des informations précieuses, ils manquent souvent de la précision nécessaire à un diagnostic définitif, en particulier dans les cas de nodules petits ou indéterminés⁶.

Au cours des dernières années, on s’est intéressé de plus en plus à l’utilisation de caractéristiques d’imagerie quantitative, souvent appelées « radiomiques », pour améliorer la précision diagnostique de l’évaluation des nodules basée sur la tomodensitométrie⁷. Parmi ces approches, l’analyse fractale s’est révélée prometteuse pour capturer les caractéristiques structurelles complexes des nodules pulmonaires⁸. La dimension fractale, une mesure de la complexité d’un objet à différentes échelles, a été appliquée à divers problèmes d’imagerie médicale, y compris la caractérisation des nodules pulmonaires⁹.

Cependant, les méthodes existantes basées sur les fractales pour l’analyse des nodules utilisent généralement une approche à échelle unique, calculant une seule dimension fractale pour chaque nodule¹⁰. Bien que cette approche ait montré une certaine utilité pour différencier les nodules bénins et malins, elle entraîne souvent un chevauchement important entre les deux catégories, ce qui limite la précision de son diagnostic. La limitation inhérente à l’analyse fractale à une seule échelle réside dans son incapacité à capturer l’ensemble des complexités structurelles qui peuvent exister dans un nodule à différentes échelles spatiales¹¹.

Pour remédier à ces limites, cette étude introduit une nouvelle approche, l’analyse du spectre multifractal, pour l’évaluation des nodules pulmonaires. Cette méthode s’étend au-delà de l’analyse fractale traditionnelle à une seule échelle en calculant les dimensions fractales à plusieurs échelles de voxels, générant ainsi un spectre complet qui caractérise la complexité structurelle du nodule à différents niveaux de détail¹². Cette approche est enracinée dans la compréhension que les structures biologiques, y compris les tumeurs, présentent souvent des propriétés fractales différentes à différentes échelles, une caractéristique que les méthodes à échelle unique ne parviennent pas à capturer¹³.

Le développement de cette analyse du spectre multifractal est motivé par le besoin de méthodes plus précises, quantitatives et non invasives pour évaluer la malignité des nodules pulmonaires. En s’appuyant sur des techniques avancées de traitement d’images et des modèles mathématiques, cette approche vise à extraire un ensemble plus riche de caractéristiques des images CT, révélant potentiellement des différences subtiles entre les nodules bénins et malins qui peuvent ne pas être apparentes par l’analyse conventionnelle ou les méthodes fractales à une seule échelle¹⁴.

L’importance de cette recherche réside dans son potentiel à améliorer la précision du diagnostic et de la stadification du cancer du poumon à un stade précoce. En fournissant une caractérisation plus nuancée et plus complète de la structure des nodules, l’analyse du spectre multifractal peut permettre aux cliniciens de prendre des décisions plus éclairées sur la prise en charge des patients, réduisant potentiellement le besoin de procédures invasives inutiles dans les cas de nodules bénins tout en assurant une intervention rapide pour les nodules malins¹⁵.

En résumé, cette recherche introduit l’analyse du spectre multifractal pour évaluer la malignité des nodules pulmonaires, en abordant les limites des approches diagnostiques actuelles et des méthodes fractales à échelle unique. En fournissant une évaluation quantitative plus complète et plus précise des caractéristiques des nodules, cette technique non invasive vise à améliorer le diagnostic précoce et la stadification précise du cancer du poumon, améliorant ainsi la prise de décision clinique en oncologie pulmonaire et contribuant à améliorer les résultats pour les patients¹⁶.

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

Protocole

Cette étude a été approuvée par le comité d’éthique de l’hôpital Dongzhimen, affilié à l’Université de médecine chinoise de Pékin (2024DZMEC-165-02). Le patient a été recruté à la clinique externe de fièvre de l’hôpital Dongzhimen. Les patients ont donné leur consentement éclairé à leur diagnostic par modélisation numérique et ont autorisé l’utilisation de leurs données à des fins de recherche scientifique. La fonction de reconstruction du modèle est dérivée d’un outil logiciel disponible dans le commerce (voir la Table des matériaux).

1. Préparation et visualisation des données

1. Accédez au dossier contenant les fichiers de données DICOM de la tomodensitométrie du patient.
2. Générez une matrice de volumes 3D à partir des fichiers DICOM à l’aide du code MATLAB suivant :
   f=dir('*.dcm') ;
   pour i=1 :longueur(f)
   V( :, :,i)= dicomread(f(fidx(i)).nom) ;
   fin
3. Visualisez la séquence d’images à l’aide de la fonction sliceViewer de MATLAB : (Figure 1)
   figure;
   H=sliceViewer(V) ;
   colormap(gris(1024)) ;
   set(gcf, 'Barre d’outils', 'figure') ;
4. Interagissez avec la visualisation du volume 3D.
   1. Utilisez la barre de défilement située au bas de l’interface utilisateur graphique (GUI) pour parcourir les différentes tranches de la séquence CT (Figure 1). Notez la présence d’un nodule pulmonaire malin de 22 mm dans le poumon gauche au niveau du cadre 325.
   2. Recherchez les icônes permettant d’effectuer un zoom avant, un zoom arrière et de revenir à la vue globale dans le coin supérieur droit de l’interface graphique de la figure 3. Utilisez l’icône Data Tip pour marquer les coordonnées du pixel sélectionné. Utilisez la fonction Zoom pour observer les caractéristiques locales des lésions et leurs relations avec les tissus environnants.
   3. La barre de couleurs par défaut est la palette de couleurs grise, ce qui signifie que le bleu à rouge représente les valeurs de faible à élevée. Cliquez avec le bouton droit de la souris sur la barre de couleurs dans le menu contextuel pour sélectionner la palette de couleurs grise commune et réinitialiser l’ensemble de l’interface graphique.
   4. Si l’effet de filtre n’est pas satisfait, utilisez le bouton gauche de la souris pour faire glisser vers le haut et vers le bas au milieu de la figure afin d’ajuster le niveau de la fenêtre. Faites glisser vers la gauche et la droite pour ajuster la largeur de la fenêtre, et la plage de filtrage précise correspondante s’affichera sur la barre de couleur.
      REMARQUE : Ces commandes interactives permettent une inspection flexible des caractéristiques des données CT-DICOM à la fois dans l’espace d’intensité et dans l’emplacement de la séquence.

2. Visualisation matricielle 3D locale des lésions des nodules pulmonaires

REMARQUE : Après avoir localisé la position de séquence du nodule pulmonaire dans l’interface graphique illustrée à la figure 1, utilisez l’outil Data Tip pour délimiter précisément la position du nodule. Cette étape est nécessaire avant de calculer la matrice 3D de l’espace en niveaux de gris pour la zone de lésion.

1. Utilisez l’outil Data Tip pour identifier précisément les coordonnées des pixels du nodule pulmonaire.
   1. Dans l’interface graphique illustrée à la figure 1, accédez à la tranche contenant le nodule (image 325).
   2. Cliquez sur l’icône Data Tip dans le coin supérieur droit de l’interface graphique.
   3. Cliquez sur les bords du nodule pour marquer ses limites (Figure 2).
   4. Notez les coordonnées X et Y affichées dans la fenêtre contextuelle de l’info-bulle.
2. Extrayez la matrice en niveaux de gris du nodule pulmonaire.
   1. Sur la base des coordonnées obtenues, définissez la région d’intérêt (ROI) dans la fenêtre de commande MATLAB : M = V (304:335, 309:336, 325) ;
      REMARQUE : Ajustez les coordonnées (304:335, 309:336, 325) en fonction de l’emplacement spécifique du nodule dans l’image.
3. Visualisez la matrice 3D locale du nodule :
   1. Entrez la commande MATLAB suivante pour créer un tracé de surface 3D : figure ; surf(M) ;
   2. Observez la visualisation 3D résultante des intensités en niveaux de gris du nodule (Figure 3).
4. Interagissez avec l’interface graphique de visualisation 3D.
   REMARQUE : Les axes X et Y représentent les dimensions spatiales du nodule en pixels. L’axe Z représente les valeurs d’intensité des niveaux de gris.
   1. Recherchez les outils permettant d’effectuer un zoom avant, un zoom arrière, une rotation et un retour à la vue initiale par défaut (Restaurer la vue) dans le coin supérieur droit de l’interface graphique. Utilisez ces outils pour un examen précis du nodule pulmonaire numérisé en 3D.

3. Calcul du spectre multifractal du nodule pulmonaire

REMARQUE : La dimension fractale n’est pas unique à différentes échelles, mais forme plutôt un spectre multifractal qui varie avec différentes échelles de calcul.

1. Appelez la fonction Pix_size, fractal_dimension = PN_fractal_feature(M) avec la matrice M obtenue précédemment en entrée. Cela donnera les dimensions fractales (fractal_dimension) à différentes échelles (Pix_size).
2. Visualisez le spectre multifractal (Figure 4) du nodule pulmonaire à l’aide du code suivant :
   figure;
   plot (Pix_size, fratal_dimention,'linewidth',2) ;
   xlabel('Échelle fractale')
   ylabel('Dimension fractale')
3. En suivant les mêmes étapes qu’aux sections 1.1-3.2, calculez un autre nodule pulmonaire bénin et tracez-le dans le même système de coordonnées en utilisant une couleur différente pour la comparaison. Cela produira la figure 5.
4. Pour comparer plus précisément les spectres multifractals de différents nodules pulmonaires bénins et malins, utilisez l’outil Data Tip pour marquer les coordonnées des points clés des extrema dans la figure 5.
   REMARQUE : le code MATLAB utilisé pour ce protocole est disponible sous la forme du Fichier supplémentaire 1.

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

Résultats

La figure 1 utilise une reconstruction volumique en 3D de la séquence de tomodensitométrie thoracique du patient, ce qui permet de visualiser et de localiser facilement les nodules pulmonaires du sujet. L’outil Data Tip peut décrire efficacement la région d’intérêt (ROI) du nodule d’intérêt (Figure 2). La figure 3 présente une structure numérisée de l’espace d’intensité 3D du n...

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

Discussion

L’analyse du spectre multifractal présentée dans cette étude représente une avancée significative dans l’évaluation non invasive de la malignité des nodules pulmonaires. Cette méthode offre des avantages importants et résout les principales limites des approches existantes de diagnostic et de stadification des nodules pulmonaires¹⁷.

Les étapes critiques du protocole comprennent la reconstruction 3D précise des données CT...

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

matériels

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