로그인

JoVE 비디오를 활용하시려면 도서관을 통한 기관 구독이 필요합니다. 전체 비디오를 보시려면 로그인하거나 무료 트라이얼을 시작하세요.

기사 소개

  • 요약
  • 초록
  • 서문
  • 프로토콜
  • 결과
  • 토론
  • 공개
  • 감사의 말
  • 자료
  • 참고문헌
  • 재인쇄 및 허가

요약

이 연구의 목적은 간섬유증의 조기 진단을 위한 새로운 3차원 디지털 모델을 개발하는 것인데, 여기에는 환자의 간에서 각 복셀의 경직도가 포함되어 있어 다양한 섬유증 단계에서 환자의 간 분포 비율을 계산하는 데 사용할 수 있습니다.

초록

간섬유증은 간경변증의 초기 단계이며, 질병의 발견 및 평가를 위한 더 나은 비침습적이고 편리한 방법은 없습니다. 자기 공명 탄성 조영술(MRE)을 기반으로 한 간 경직 맵(LSM)이 좋은 진전을 이뤘음에도 불구하고, 수동 초점 결정, 관심 영역(ROI)의 수동 선택, 구조적 정보가 없는 불연속 LSM 데이터 등 극복해야 할 몇 가지 한계가 여전히 있어 간 전체를 평가할 수 없습니다. 본 연구에서는 MRE를 기반으로 한 간섬유증 조기진단을 위한 새로운 3차원(3D) 디지털 모델을 제안한다.

MRE는 자기공명영상(MRI)을 사용하여 인간-컴퓨터 상호작용을 통해 스캐닝 부위의 간 강성을 측정하는 비침습적 영상 기술입니다. 연구에 따르면 MRE를 통해 얻은 LSM과 간 섬유증 정도 사이에 상당한 양의 상관관계가 있는 것으로 나타났습니다. 그러나 임상적 목적을 위해서는 간 섬유증의 정도에 대한 포괄적이고 정확한 정량화가 필요합니다. 이를 해결하기 위해 본 연구에서는 3D 간 조직 영상과 MRE 지표의 정렬에 의해 얻어진 각 간 복셀의 3D 경직 부피를 의미하는 LSD(Liver Stiffness Distribution)의 개념을 제안했습니다. 이는 간 섬유증의 진단 및 치료를 위한 보다 효과적인 임상 도구를 제공합니다.

서문

간섬유증은 간에 과도한 반흔 조직이 형성되는 것을 말하며, 일반적으로 간 손상이나 질병의 결과로발생합니다 1,2,3,4. 만성 간 손상의 결과로 자주 발생하며 일반적으로 만성 바이러스성 간염, 비알코올성 지방간 질환 및 알코올성 간 질환과 같은 간 질환과 관련이 있습니다. 간섬유증을 치료하지 않고 방치하면 간경변증으로 진행될 수 있으며, 간경변증은 심각한 이환율과 사망률과 함께 생명을 위협할 수 있는 질환입니다.

이 분야의 활발한 연구는 간섬유증의 발병기전의 기저에 있는 세포 및 분자 메커니즘을 밝히고 환자 결과를 개선하기 위한 새로운 진단 및 치료 전략을 개발하는 것을 목표로 합니다. 또 다른 목표는 간 섬유증 단계의 비침습적 검출이며, 이는 질병 진단, 치료 선택 및 예후 평가와 직접적인 관련이 있는 중요한 측면입니다. 간 섬유증의 정확한 진단과 모니터링의 중요성에도 불구하고 간 생검과 같은 전통적인 진단 방법은 침습적이며 심각한 위험과 관련이 있습니다. 대조적으로, 자기 공명 탄성 조영술 5,6(MRE)은 간 경직을 정량화하여 간 섬유증의 진단 및 모니터링에서 잠재력을 입증한 유망한 비침습적 영상 기술입니다.

최근 몇 년 동안 간 섬유증 진단에서 MRE의 정확성과 신뢰성뿐만 아니라 기존 진단 방법에 대한 잠재적인 이점을 평가하는 데 중점을 둔 중요한 연구가 있었습니다. MRE의 간 경직 메트릭은 미국 식품의약국(FDA)의 임상 진단을 위한 승인을 받았으며 병리학적 결과와 광범위한 비교 분석이 임상 실습에서 수행되었습니다. 그 결과, MRE에 의해 생성된 경직 지도는 간 섬유증 7,8,9,10,11,12의 다양한 단계와 강한 양의 상관관계를 나타낸다는 것을 보여주었다. 그러나 지금까지 간 구조 영상과 MRE를 일치시켜 간 경직 분포(LSD)의 정량 분석을 통해 환자의 간 섬유증 진행을 정확하게 평가하고 추적하는 작업은 큰 진전을 이루지 못했습니다.

본 연구에서는 3D 공간에서 MRE에 의해 생성된 경직 맵과 간 구조 이미지의 정확한 정렬을 달성하기 위해 의료 영상군 분석 기술(13,14,15)을 도입하여 전체 간의 복셀별 간 경직도 값을 계산할 수 있습니다. LSD의 3D 디지털 모델을 기반으로 환자별 간 섬유증 병기의 정확한 분포를 계산하고 평가할 수 있습니다. 이는 초기 간 섬유증의 정확한 정량적 진단을 위한 견고한 토대를 마련합니다.

프로토콜

이 연구는 3D 디지털 LSD 모델링을 활용하여 임상적으로 확인된 간섬유증이 있는 일반적인 환자의 간을 재구성했습니다. 환자는 중국 베이징의 유명 간질환 치료기관인 '유안병원'에서 모집돼 동의 후 상복부 자기공명영상(MRI)과 MRE 영상을 받았다. 본 연구방법은 병리학적 검사를 통해 간섬유증 병기가 확인되고 뚜렷한 임상증상이 없어 초기 간섬유증 환자 진단에 대한 응용가능성과 임상적 가치가 강조되는 사례연구로 선정됐다. 이 논문은 또한 이 환자의 간과 건강한 간의 정량적 비교를 제공합니다. 이 연구에 사용된 소프트웨어 도구는 재료 목차에 나열되어 있습니다.

1. 데이터 수집 및 준비

알림: 매개변수 차이는 연구 방법에 민감하지 않습니다.

  1. MRI 스캔 전략
    참고: 본 연구는 GE에서 제조한 자기공명영상(MRI) 기기를 이용한 임상영상에서 얻은 실제 DICOM 데이터를 활용하였다. 데이터 내용에는 IDEAL(반향 비대칭 및 최소 제곱 추정을 사용한 물과 지방의 반복 분해), 물-지방 분리 이미징 및 자기 공명 엘라스토그래피(MRE) 이미징이 포함됩니다.
    1. IDEAL 데이터의 가로 해상도가 256 x 256픽셀이고 픽셀 간격이 1.5625mm이고 슬라이스 두께가 10mm인지 확인합니다.
      참고: 스캐닝 전략은 더욱 최적화될 수 있지만 이 연구에 사용된 방법론은 고정밀 의료 영상에 적용할 수 있습니다.
  2. 모든 시퀀스의 폴더 이름을 바꿉니다.
    참고: 장비에서 내보낸 DICOM 데이터는 시퀀스 이름을 명시적으로 제공하지 않으므로 전처리 단계에서 후속 분석 및 처리를 용이하게 하기 위해 각 시퀀스에 대한 명시적인 이름을 추가해야 합니다.
    1. 모든 DICOM 데이터를 사용자 지정된 작업 디렉터리에 복사합니다.
    2. MATLAB의 작업 디렉터리에 있는 데이터가 포함된 디렉터리로 이동합니다.
    3. Description_Name 함수를 실행하여 각 시퀀스의 폴더에 설명이 포함된 이름을 추가합니다.
    4. 이름 바꾸기 전과 후의 비교는 그림 1 을 참조하십시오. 다양한 분석 목적에 필요한 이미지 시퀀스를 쉽게 식별할 수 있도록 각 이미지 시퀀스 폴더에 설명 이름을 추가합니다.
  3. IDEAL의 이미지를 빠르게 확인할 수 있습니다.
    1. IDEAL을 사용하여 이미징을 위해 별도의 폴더에 저장된 동상 내상, 역위상, 물 및 지방 위상을 포함하여 다른 상의 폴더 디렉토리를 변경합니다.
    2. Slice_View 함수를 실행하여 각 단계에 대한 영향 시퀀스를 확인합니다.
    3. MRI-IDEAL 시퀀스에 대한 대화형 그래픽 사용자 인터페이스(GUI)의 이미지는 그림 2 를 참조하십시오. GUI 하단의 스크롤 막대를 사용하여 다양한 시퀀스를 빠르게 탐색할 수 있습니다.
    4. MRI-IDEAL out-phase sequence를 MRI 시퀀스 유형으로 사용하여 간 조직 경계에 대한 보다 명확한 설명을 제공합니다.
      알림: 다음 작업에서는 IDEAL의 out-phase 시퀀스를 사용하여 간의 3D 영역을 설명하는 데 중점을 둘 것입니다.

2. 간의 3D 영역 추출

참고: 간의 3D 영역에 있는 개별 복셀은 LSD의 공간 운반체 역할을 하며, 각 복셀의 강성 값은 MRE에서 파생됩니다. 간 조직의 3D 영역을 추출하는 것은 융합 전에 필요한 단계입니다. 딥 러닝을 사용하여 이 작업을 보다 효율적으로 수행할 수 있지만 이 연구의 초점은 아닙니다. 따라서 성숙한 소프트웨어 도구(예: MIMICS)가 간 조직의 3D 영역을 추출하는 데 여전히 사용됩니다.

  1. MIMICS 소프트웨어를 시작하려면 새 프로젝트를 선택하고 다음 대화 상자에서 IDEAL out-phase 이미지가 포함된 폴더로 이동합니다. NEXT(다음) | Convert( 변환 ) 버튼을 클릭하여 시퀀스 편집 상태로 들어갑니다.
  2. 마스크를 만들려면 오른쪽에 있는 마스크 대화 상자에서 새로 만들기 버튼을 클릭하고 최대 임계값을 선택합니다.
  3. 모든 수평 보기에서 간 영역을 구분하려면 세그먼트 레이블 아래에 있는 Edit Masks 도구를 사용합니다.
  4. 간의 3D 공간 부분을 생성하려면 윤곽이 그려진 간 마스크를 선택하고 마스크에서 부분 계산 버튼을 클릭합니다. 추출된 간의 3D 영역은 그림 3에 나와 있습니다.
  5. File( 파일) | 수출 | Dicom 명령을 선택합니다. 팝업 대화 상자에서 간 마스크를 선택하고 파일 경로와 파일 이름을 설정 한 다음 OK 버튼을 눌러 간의 3D 영역을 지정된 DICOM 파일로 내보내기를 완료합니다.

3. 간 경직도 맵 시퀀스

참고: 초기 섬유증 환자의 MRE 경직 범위는 일반적으로 8kpa 미만입니다. 이를 보려면 'SE27_ST8K_(Pa)'라는 레이블이 지정된 시퀀스 이미지를 선택해야 합니다.

  1. 디렉터리를 간 경직 맵 시퀀스가 포함된 'SE27_ST8K_(Pa)' 폴더로 변경합니다.
  2. 각 강성 맵을 탐색하려면 Matlab의 작업 공간에서 MRE_show 함수를 실행하고, 함수의 인수는 지정된 경로에 있는 파일 이름이어야 합니다.
  3. 그림 4에 표시된 간 경직도 맵은 512 x 512 픽셀 x 3 매트릭스의 데이터 구조를 갖는 RGB 트루 컬러 이미지이며, 여기서 각 픽셀 포인트는 세 가지 기본 색상인 RBG를 나타내는 세 개의 값을 갖습니다. 왼쪽에서 서로 다른 색상의 픽셀에 대응하는 강성 값을 표시하는 색상 막대를 관찰합니다. 각각의 상관 관계를 사용하여 각 픽셀의 정확한 강성을 계산합니다.
  4. 그림 4의 보충 정보에는 시퀀스 설명, 스캔 위치, 시간, 환자 정보 및 이미지 매개변수와 같은 데이터가 포함됩니다. 이러한 데이터, 특히 영상 파라미터를 사용하여 MRE와 IDEAL 시퀀스 간의 공간 관계를 설정할 수 있습니다.

4.3D - 간 경직도 분포의 부피

참고: 3D 간 강성 체적의 각 복셀은 3D 간 영역에서 해당 복셀의 강성 값을 나타내며, 이는 그림 4에 있는 각 픽셀의 강성 값에서 파생됩니다. 그림 3 의 3D 간 영역을 그림 4의 강성 맵과 정렬하면 각 복셀의 강성 값을 추출하여 3D 간 강성 부피를 생성할 수 있습니다.

  1. 그림 5와 같이 그림 3에 표시된 3D 간 영역과 그림 4의 간 경직도 맵을 입력 파라미터로 사용하여 LSD_Slice 함수를 호출하여 간 경직도 분포의 3D 부피를 구합니다.
  2. 그림 5에 표시된 GUI 아래로 스크롤 막대를 끌어 간 각 층의 강성 맵을 확인합니다.
    참고: 그러나 그림 4와 달리 간 조직만 정확하게 여기에 유지됩니다.
  3. GUI의 오른쪽 상단 모서리에 있는 아이콘(그림 5)을 관찰합니다(예: 확대, 축소, 전역 보기로 돌아가기, 선택한 픽셀의 좌표 표시).
    참고: 기본 색상 막대는 "jet"의 컬러맵으로, 파란색에서 빨간색으로 대응하는 값(단위 kpa)이 낮음에서 높음으로 표시됩니다.
  4. 그림 6과 같이 LSD_Slice와 동일한 입력값으로 LSD_Volume 함수를 실행하여 3차원 간 LSD의 공간 분포를 구합니다. 마우스 왼쪽 단추를 누른 채 화면을 끌어 모든 관점에서 LSD의 3D 볼륨을 볼 수 있습니다(그림 6).

5. LSD 정량 분석

참고: 이 연구의 중요한 정량 분석 초점은 환자의 간에서 LSD 복셀의 여러 단계의 비율을 제공하는 것입니다. 그림 6 은 환자의 간 섬유증 분포가 서로 다른 공간적 위치에서 고르지 않다는 것을 보여줍니다. 임상적 증상이 아직 뚜렷하지 않은 이유는 주로 간 조직의 상당 부분이 정상 단계에 있기 때문입니다. 따라서 환자와 건강한 사람의 차이를 정확하게 정량화할 필요가 있습니다. 이것은 본 연구의 중요한 정량적 개념이다.

  1. 그림 7과 같이 간 섬유증의 여러 단계에 대한 강성 값의 수치 범위를 결정합니다.
  2. 그림 6에 표시된 LSD의 3D 부피 입력 매개변수로 Hepatic_Fibrosis 함수를 호출하여 다양한 섬유증 단계에서 환자의 전체 간 복셀의 분포를 계산합니다(그림 8).
  3. 동일한 단계를 사용하여 완전히 건강한 간의 결과를 위에서 설명한 일반적인 간 섬유증 환자와 계산하고 비교합니다(그림 9).

결과

DICOM 파일의 Description_Name 필드에 있는 정보를 활용하여 이미징 그룹의 분석 프로세스 중에 필요한 이미징 시퀀스의 신속한 위치 파악을 용이하게 하기 위해 원본 MRI 폴더의 이름을 변경할 수 있습니다. MRI-IDEAL out-phase sequence는 간 조직 경계에 대한 보다 명확한 설명을 제공하는 데 사용되는 MRI 시퀀스 유형입니다. 이는 MRI-IDEAL 위상차 시퀀스가 특정 이미지 처리 기술을 통해 서로 다른...

토론

임상 실습에서 초기 단계 간 섬유증 환자의 상태를 정확하게 정량화하고 추적하는 것은 어렵습니다. 그림 9 에 표시된 비교는 건강한 간과 비교하여 환자의 간 섬유화 정도를 완전히 반영합니다. 물론 이 수치는 치료 효능 평가에 사용되는 환자에 대한 두 가지 다른 기간을 비교한 것일 수도 있습니다. 이 정확한 정량화 방법은 이 연구의 핵심적이고 중요한 단계입니다. 또한...

공개

이 연구의 재료 표 에 나열된 간섬유증 정량화를 위한 소프트웨어 도구인 HepaticFibrosis V1.0은 Beijing Intelligent Entropy Science & Technology Co Ltd.의 소프트웨어 도구입니다. 이 소프트웨어 도구의 지적 재산권은 회사에 있습니다.

감사의 말

이 간행물은 중국 국립한의학총국이 주관하는 제5회 전국 한의학 임상우수인재 연구 프로그램의 지원을 받았다. 공식 네트워크 링크는 'http://www.natcm.gov.cn/renjiaosi/zhengcewenjian/2021-11-04/23082.html. '

자료

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

참고문헌

  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).

재인쇄 및 허가

JoVE'article의 텍스트 или 그림을 다시 사용하시려면 허가 살펴보기

허가 살펴보기

더 많은 기사 탐색

LSMMREROILSM3 3DMREMRILSD3D3D

This article has been published

Video Coming Soon

JoVE Logo

개인 정보 보호

이용 약관

정책

연구

교육

JoVE 소개

Copyright © 2025 MyJoVE Corporation. 판권 소유