Análise de espectro multifractal para avaliação de malignidade de nódulos pulmonares

Resumo

Este estudo apresenta a análise do espectro multifractal para avaliar a malignidade do nódulo pulmonar. Usando dados CT-DICOM, o método calcula as dimensões fractais em várias escalas de voxels, revelando diferenças significativas entre nódulos pulmonares em estágio inicial e tardio.

Resumo

A avaliação não invasiva da malignidade do nódulo pulmonar continua sendo um desafio crítico no diagnóstico do câncer de pulmão. Os métodos tradicionais muitas vezes carecem de precisão na diferenciação de nódulos benignos de malignos, principalmente nos estágios iniciais. Este estudo apresenta uma abordagem usando análise de espectro multifractal para avaliar quantitativamente as características do nódulo pulmonar.

Um protocolo baseado em fractal foi desenvolvido para processar dados de tomografia computadorizada (TC) e imagens digitais e comunicações em medicina (DICOM), permitindo a visualização tridimensional (3D) e a análise do espectro multifractal do nódulo pulmonar. O método envolve reconstrução de volume 3D, delineamento preciso de ROI e cálculo de dimensões fractais em várias escalas. Os espectros multifractais foram calculados para nódulos de adenocarcinoma pulmonar em estágio inicial e tardio, com análise comparativa realizada usando a quantificação da ferramenta de ponta de dados.

A análise revelou que a dimensão fractal da matriz digital 3D de um nódulo pulmonar varia continuamente com diferentes escalas de voxel, formando um espectro multifractal distinto. Foram observadas diferenças significativas entre os nódulos em estágio inicial e tardio. Os nódulos em estágio avançado demonstraram uma faixa de escala mais ampla (eixo X mais longo) e pontos extremos mais altos em seus espectros multifractais. Essas distinções foram confirmadas quantitativamente, indicando o potencial do método para estadiamento preciso.

A análise do espectro multifractal fornece um método quantitativo altamente significativo e preciso para o estadiamento de nódulos pulmonares, diferenciando efetivamente entre casos benignos e malignos. Essa técnica não invasiva é promissora para melhorar o diagnóstico precoce e o estadiamento preciso do câncer de pulmão, potencialmente melhorando a tomada de decisões clínicas em oncologia pulmonar.

Introdução

O câncer de pulmão continua sendo uma das principais causas de mortes relacionadas ao câncer em todo o mundo, com a detecção precoce e o diagnóstico preciso desempenhando papéis cruciais na melhoria dos resultados dos pacientes¹. Os nódulos pulmonares, muitas vezes detectados incidentalmente ou por meio de programas de triagem, apresentam um desafio diagnóstico significativo para os médicos. A capacidade de diferenciar nódulos benignos e malignos, particularmente em seus estágios iniciais, é fundamental para uma intervenção oportuna e tratamento adequado².

Tradicionalmente, o padrão de critério para o diagnóstico de malignidade do nódulo pulmonar tem sido o exame histopatológico por meio de procedimentos invasivos, como biópsia ou ressecção cirúrgica. Embora esses métodos forneçam diagnósticos definitivos, eles apresentam riscos inerentes, incluindo pneumotórax, sangramento e infecção³. Além disso, a natureza invasiva desses procedimentos pode levar ao desconforto e ansiedade do paciente, bem como ao aumento dos custos de saúde. Além disso, os próprios procedimentos de biópsia estão sujeitos a problemas de precisão de amostragem, com potencial para obter amostras de tecido não representativas que podem levar a diagnósticos incorretos. Consequentemente, há uma necessidade premente de técnicas diagnósticas não invasivas que possam avaliar com precisão a malignidade do nódulo sem submeter os pacientes a procedimentos invasivos desnecessários⁴.

A tomografia computadorizada (TC) tem emergido como uma ferramenta poderosa na detecção e caracterização de nódulos^pulmonares5. No entanto, a interpretação das imagens de TC para avaliação do nódulo permanece desafiadora, com considerável variabilidade interobservador entre os radiologistas. As diretrizes atuais e as declarações de consenso de especialistas sobre avaliação de nódulos baseada em TC dependem principalmente de características morfológicas, como tamanho, forma e taxa de crescimento. Embora esses critérios forneçam informações valiosas, muitas vezes carecem da precisão necessária para o diagnóstico definitivo, principalmente nos casos de nódulos pequenos ou^{indeterminados6}.

Nos últimos anos, tem havido um interesse crescente na utilização de recursos de imagem quantitativos, muitas vezes chamados de "radiômica", para aumentar a precisão diagnóstica da avaliação de nódulos baseada em TC⁷. Dentre essas abordagens, a análise fractal tem se mostrado promissora na captura das características estruturais complexas dos nódulos pulmonares⁸. A dimensão fractal, uma medida da complexidade de um objeto em diferentes escalas, tem sido aplicada a vários problemas de imagem médica, incluindo a caracterização de nódulos pulmonares⁹.

No entanto, os métodos baseados em fractais existentes para análise de nódulos normalmente empregam uma abordagem de escala única, calculando uma única dimensão fractal para cada nódulo¹⁰. Embora essa abordagem tenha mostrado alguma utilidade na diferenciação entre nódulos benignos e malignos, muitas vezes resulta em sobreposição significativa entre as duas categorias, limitando sua precisão diagnóstica. A limitação inerente da análise fractal de escala única reside em sua incapacidade de capturar todo o espectro de complexidades estruturais que podem existir dentro de um nódulo em diferentes escalas espaciais¹¹.

Para abordar essas limitações, este estudo apresenta uma nova abordagem, a análise do espectro multifractal, para avaliação de nódulos pulmonares. Este método se estende além da análise fractal tradicional de escala única, calculando as dimensões fractais em várias escalas de voxel, gerando assim um espectro abrangente que caracteriza a complexidade estrutural do nódulo em vários níveis de detalhe¹². Essa abordagem está enraizada no entendimento de que as estruturas biológicas, incluindo tumores, geralmente exibem diferentes propriedades fractais em diferentes escalas, uma característica que os métodos de escala única não conseguem capturar¹³.

O desenvolvimento dessa análise de espectro multifractal é motivado pela necessidade de métodos mais precisos, quantitativos e não invasivos para avaliar a malignidade do nódulo pulmonar. Ao alavancar técnicas avançadas de processamento de imagem e modelos matemáticos, essa abordagem visa extrair um conjunto mais rico de características das imagens de TC, potencialmente revelando diferenças sutis entre nódulos benignos e malignos que podem não ser aparentes por meio de análise convencional ou métodos fractais de escala única¹⁴.

A importância desta pesquisa reside em seu potencial para aumentar a precisão do diagnóstico e estadiamento do câncer de pulmão em estágio inicial. Ao fornecer uma caracterização mais sutil e abrangente da estrutura do nódulo, a análise do espectro multifractal pode permitir que os médicos tomem decisões mais informadas sobre o manejo do paciente, reduzindo potencialmente a necessidade de procedimentos invasivos desnecessários em casos de nódulos benignos, garantindo a intervenção oportuna para os malignos¹⁵.

Em resumo, esta pesquisa apresenta a análise do espectro multifractal para avaliar a malignidade do nódulo pulmonar, abordando as limitações das abordagens diagnósticas atuais e dos métodos fractais de escala única. Ao fornecer uma avaliação quantitativa mais abrangente e precisa das características do nódulo, essa técnica não invasiva visa melhorar o diagnóstico precoce e o estadiamento preciso do câncer de pulmão, melhorando a tomada de decisão clínica em oncologia pulmonar e contribuindo para melhorar os resultados dos pacientes¹⁶.

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

Protocolo

Este estudo foi aprovado pelo Comitê de Ética do Hospital Dongzhimen, afiliado à Universidade de Medicina Chinesa de Pequim (2024DZMEC-165-02). O paciente foi recrutado no Ambulatório de Febre do Hospital Dongzhimen. Os pacientes assinaram o termo de consentimento livre e esclarecido para o diagnóstico por meio de modelagem digital e autorizaram o uso de seus dados para fins de pesquisa científica. A função de reconstrução do modelo é derivada de uma ferramenta de software disponível comercialmente (consulte a Tabela de Materiais).

1. Preparação e visualização de dados

1. Navegue até a pasta que contém os arquivos de dados DICOM da tomografia computadorizada do paciente.
2. Gere uma matriz de volume 3D a partir dos arquivos DICOM usando o seguinte código MATLAB:
   f=dir('*.dcm');
   para i=1:comprimento(f)
   V(:,:,i)= dicomread(f(fidx(i)).name);
   fim
3. Visualize a sequência de imagens usando a função sliceViewer do MATLAB: (Figura 1)
   figura;
   H=sliceViewer(V);
   mapa de cores(cinza(1024));
   set(gcf, 'Barra de ferramentas', 'figura');
4. Interaja com a visualização de volume 3D.
   1. Use a barra de rolagem na parte inferior da interface gráfica do usuário (GUI) para navegar por diferentes fatias na sequência de TC (Figura 1). Observe a presença de um nódulo pulmonar maligno de 22 mm no pulmão esquerdo no quadro 325.
   2. Encontre os ícones para aumentar, diminuir e retornar à visualização global no canto superior direito da GUI na Figura 3. Use o ícone Dica de dados para marcar as coordenadas do pixel selecionado. Use a função Zoom para observar as características locais das lesões e suas relações com os tecidos circundantes.
   3. A barra de cores padrão é o mapa de cores cinza, o que significa que azul para vermelho representa valores de baixo para alto. Clique com o botão direito do mouse na barra de cores no menu pop-up para selecionar o mapa de cores cinza comum e redefinir toda a GUI.
   4. Se o efeito de filtro não for satisfeito, use o botão esquerdo do mouse para arrastar para cima e para baixo no meio da figura para ajustar o nível da janela. Arraste para a esquerda e para a direita para ajustar a largura da janela e a faixa de filtragem precisa correspondente será exibida na barra de cores.
      NOTA: Esses controles interativos permitem a inspeção flexível das características dos dados CT-DICOM no espaço de intensidade e no local da sequência.

2. Visualização da matriz 3D local de lesões de nódulos pulmonares

NOTA: Depois de localizar a posição da sequência do nódulo pulmonar na GUI mostrada na Figura 1, use a ferramenta Data Tip para delinear com precisão a posição do nódulo. Esta etapa é necessária antes de calcular a matriz 3D do espaço em tons de cinza para a área da lesão.

1. Use a ferramenta Dica de dados para identificar com precisão as coordenadas de pixel do nódulo pulmonar.
   1. Na GUI mostrada na Figura 1, navegue até a fatia que contém o nódulo (quadro 325).
   2. Clique no ícone Dica de dados no canto superior direito da GUI.
   3. Clique nas bordas do nódulo para marcar seus limites (Figura 2).
   4. Observe as coordenadas X e Y exibidas no pop-up da dica de dados.
2. Extraia a matriz em tons de cinza do nódulo pulmonar.
   1. Com base nas coordenadas obtidas, defina a região de interesse (ROI) na janela de comando do MATLAB: M = V (304:335, 309:336, 325);
      NOTA: Ajuste as coordenadas (304:335, 309:336, 325) de acordo com a localização específica do nódulo na imagem.
3. Visualize a matriz 3D local do nódulo:
   1. Insira o seguinte comando do MATLAB para criar um gráfico de superfície 3D: figure; surf(M);
   2. Observe a visualização 3D resultante das intensidades em tons de cinza do nódulo (Figura 3).
4. Interaja com a GUI de visualização 3D.
   NOTA: Os eixos X e Y representam as dimensões espaciais do nódulo em pixels. O eixo Z representa os valores de intensidade da escala de cinza.
   1. Encontre as ferramentas para aumentar o zoom, diminuir o zoom, girar e retornar à exibição inicial padrão (Restaurar exibição) no canto superior direito da GUI. Use essas ferramentas para um exame preciso do nódulo pulmonar digitalizado em 3D.

3. Cálculo do espectro multifractal do nódulo pulmonar

NOTA: A dimensão fractal não é única em diferentes escalas, mas forma um espectro multifractal que varia com diferentes escalas computacionais.

1. Chame a função Pix_size, fractal_dimension = PN_fractal_feature(M) com a matriz M obtida anteriormente como entrada. Isso produzirá as dimensões fractais (fractal_dimension) em diferentes escalas (Pix_size).
2. Visualize o espectro multifractal (Figura 4) do nódulo pulmonar usando o seguinte código:
   figura;
   plotagem (Pix_size, fratal_dimention,'largura de linha',2);
   xlabel('Escala fractal')
   ylabel('Dimensão Fractal')
3. Usando as mesmas etapas de 1.1-3.2, calcule outro nódulo pulmonar benigno e plote-o no mesmo sistema de coordenadas usando uma cor diferente para comparação. Isso produzirá a Figura 5.
4. Para comparar com mais precisão os espectros multifractais de diferentes nódulos pulmonares benignos e malignos, use a ferramenta Data Tip para marcar as coordenadas dos principais pontos extremos na Figura 5.
   NOTA: O código MATLAB usado para este protocolo está disponível como Arquivo Suplementar 1.

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

Resultados

A Figura 1 usa uma reconstrução de volume 3D da sequência de TC torácica do paciente, permitindo visualização e localização convenientes dos nódulos pulmonares do sujeito. A ferramenta Data Tip pode delinear efetivamente a região de interesse (ROI) do nódulo de interesse (Figura 2). A Figura 3 fornece uma estrutura digitalizada do espaço de intensidade 3D do nódulo.

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

Discussão

A análise do espectro multifractal apresentada neste estudo representa um avanço significativo na avaliação não invasiva da malignidade do nódulo pulmonar. Esse método oferece vantagens importantes e aborda as principais limitações nas abordagens existentes para o diagnóstico e estadiamento de nódulos pulmonares¹⁷.

As etapas críticas do protocolo incluem a reconstrução 3D precisa dos dados CT-DICOM (Fi...

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

Materiais

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