CAD encontra metástases espinhais

Um novo algoritmo de detecção assistida por computador (CAD) multifuncional foi capaz de detectar e caracterizar diferentes tipos de metástases espinhais em imagens PET/CT de forma automática e precisa, de acordo com pesquisadores de duas instituições norte-americanas. O sistema, totalmente automatizado, pode ajudar os médicos a diagnosticar e gerenciar pacientes com as metástases músculo-esqueléticas mais comuns.

“O estudo baseou-se em imagens de PET/CT de 53 pacientes com lesões da coluna litiásica, esclerótica e mista que foram classificadas por meio de um sistema de análise quantitativa multiclassificador”, explicou o dr. Ronald Summers, do National Institutes of Health (NIH), dos Estados Unidos.

O especialista comentou, durante apresentação na RSNA 2016 reportada pelo portal de radiologia AuntMinnie.com, que o sistema CAD desenvolvido detecta metástases de corpos vertebrais usando uma síntese de imagens de CT com a finalidade de detectar lesões escleróticas, mas também mistas. "O CAD imita a rotina de inspeção visual clínica e diagnóstica e melhora a sensibilidade de detecção", detalhou.

A detecção, caracterização e medição automatizadas de lesões esqueléticas em imagens de CT e PET têm sido uma meta de longo prazo do laboratório de pesquisa do NIH. Um estudo prévio do grupo conseguiu detectar lesões líticas e escleróticas separadamente, mas algumas lesões têm componentes líticos e escleróticos, daí a necessidade de um sistema que caracterize ambos.

“A coluna vertebral é a localização mais frequente de metástases esqueléticas. Portanto, o algoritmo CAD está focado nos corpos vertebrais toracolombares, que são as metástases espinhais mais comuns”, disse Summers.

O especialista informou que, nos Estados Unidos, cerca de 400 mil pacientes por ano são diagnosticados com metástase e cerca de 70% de todos os pacientes com câncer de mama e próstata desenvolvem metástases. Metade destes pacientes desenvolve complicações esqueléticas secundárias tais como fraturas patológicas, dor óssea, neurocompressão e anormalidades hematopoiéticas e metabólicas.

O algoritmo foi testado em um banco de dados que incluía imagens PET/CT de 53 pacientes, com idade média de 53 anos, com tipos de lesão lítica, esclerótica ou mista. A espessura da secção foi de 3,75 mm para as imagens obtidas clinicamente, representando 225 lesões líticas, 139 escleróticas e 92 lesadas. 

"Nossa hipótese era que as imagens sintéticas aumentariam a detecção em um sistema projetado para detectar estas três categorias de lesões: esclerótica, lítica e mista", disse o dr. Summers.

Imagens sintetizadas

Dois conjuntos de imagens foram produzidos para cada estudo, integrando PET com dados de CT, com um conjunto para lítico e outro para lesões escleróticas e PET usado para amplificação de densidade. A criação de imagens sintéticas envolveu uma simples transformação linear onde as imagens originais foram combinadas usando um fator de ponderação que foi determinado empiricamente a partir de alguns casos de treinamento.

O processo de detecção e caracterização incluiu a segmentação e partição da coluna vertebral. Três algoritmos  foram utilizados para obter detecções iniciais. Quando  detecção lítica e esclerótica preliminar se sobrepunham espacialmente, eram fundidas e enviadas para um classificador de lesão mista. Caso contrário, encaminhadas para classificadores de lesões líticas e escleróticas, respectivamente. Confira matéria completa no portal AuntMinnie.com