En tredimensjonal digital modell for tidlig diagnostisering av leverfibrose basert på magnetisk resonanselastografi

Summary

Målet med denne studien var å utvikle en ny tredimensjonal digital modell for tidlig diagnostisering av leverfibrose, som inkluderer stivheten til hver voxel i pasientens lever og dermed kan brukes til å beregne fordelingsforholdet mellom pasientens lever ved forskjellige fibrosestadier.

Abstract

Leverfibrose er et tidlig stadium av levercirrhose, og det finnes ingen bedre ikke-invasive og praktiske metoder for påvisning og evaluering av sykdommen. Til tross for den gode fremgangen som er gjort med leverstivhetskartet (LSM) basert på magnetisk resonanselastografi (MRE), er det fortsatt noen begrensninger som må overvinnes, inkludert manuell fokusbestemmelse, manuelt utvalg av interesseområder (ROI) og diskontinuerlige LSM-data uten strukturell informasjon, noe som gjør det umulig å evaluere leveren som helhet. I denne studien foreslår vi en ny tredimensjonal (3D) digital modell for tidlig diagnose av leverfibrose basert på MRE.

MRE er en ikke-invasiv bildebehandlingsteknikk som benytter magnetisk resonansavbildning (MRI) for å måle leverstivheten på skanningsstedet gjennom interaksjon mellom menneske og datamaskin. Studier har indikert en signifikant positiv korrelasjon mellom LSM oppnådd gjennom MRE og graden av leverfibrose. For kliniske formål er det imidlertid nødvendig med en omfattende og presis kvantifisering av graden av leverfibrose. For å løse dette ble konseptet med leverstivhetsfordeling (LSD) foreslått i denne studien, som refererer til 3D-stivhetsvolumet til hver levervoxel oppnådd ved justering av 3D-levervevsbilder og MRE-indikatorer. Dette gir et mer effektivt klinisk verktøy for diagnostisering og behandling av leverfibrose.

Introduction

Leverfibrose refererer til dannelsen av overdreven arrvev i leveren, vanligvis som følge av leverskade eller sykdom 1,2,3,4. Det oppstår ofte som følge av kronisk leverskade og er ofte forbundet med leversykdommer, som kronisk viral hepatitt, ikke-alkoholholdig fettleversykdom og alkoholisk leversykdom. Hvis venstre ubehandlet, kan leverfibrose utvikle seg til skrumplever, en potensielt livstruende tilstand forbundet med betydelig sykelighet og dødelighet.

Aktiv forskning på dette området tar sikte på å belyse de cellulære og molekylære mekanismene som ligger til grunn for patogenesen av leverfibrose, samt å utvikle nye diagnostiske og terapeutiske strategier for å forbedre pasientens utfall. Et annet mål er ikke-invasiv påvisning av leverfibrosestadiet, som er et kritisk aspekt som direkte korrelerer med sykdomsdiagnose, behandlingsvalg og prognoseevaluering. Til tross for viktigheten av nøyaktig diagnose og overvåking av leverfibrose, er tradisjonelle diagnostiske metoder, som leverbiopsi, invasive og forbundet med betydelige risikoer. I motsetning til dette er magnetisk resonans elastografi ^5,6 (MRE) en lovende ikke-invasiv bildebehandlingsteknikk som har vist potensial i diagnostisering og overvåking av leverfibrose ved å kvantifisere leverstivhet.

I de senere år har det vært betydelig forskning fokusert på å evaluere nøyaktigheten og påliteligheten av MRE i diagnosen leverfibrose, samt dens potensielle fordeler i forhold til tradisjonelle diagnostiske metoder. Leverstivhetsmålingen av MRE har fått godkjenning av United States Food and Drug Administration (FDA) for klinisk diagnose, og omfattende komparativ analyse med patologiske resultater er utført i klinisk praksis. Resultatene har vist at stivhetskartene generert av MRE viser en sterk positiv korrelasjon med ulike stadier av leverfibrose 7,8,9,10,11,12. Likevel har arbeidet med nøyaktig evaluering og sporing av utviklingen av leverfibrose hos pasienter gjennom kvantitativ analyse av leverstivhetsfordeling (LSD) ved å matche leverstrukturbilder med MRE ikke gjort mye fremgang.

I denne studien introduseres analyseteknikken for medisinsk bildegruppe^13,14,15 for å oppnå nøyaktig justering av leverstrukturbildene med stivhetskartet generert av MRE i 3D-rom^, noe som muliggjør beregning av leverstivhetsverdier for hver voxel av hele leveren. Basert på den 3D-digitale modellen av LSD, kan den nøyaktige fordelingen av pasientspesifikk leverfibrosestaging beregnes og evalueres. Dette legger et solid grunnlag for den presise kvantitative diagnosen leverfibrose i tidlig fase.

Protocol

Denne studien benyttet 3D-digital LSD-modellering for å rekonstruere leveren til en typisk pasient med klinisk bekreftet leverfibrose. Pasienten ble rekruttert fra en velkjent institusjon for behandling av leversykdommer, “You An Hospital” i Beijing, Kina, og gjennomgikk rutinemessig øvre abdominal magnetisk resonansavbildning (MR) og MRE-avbildning etter å ha gitt samtykke. Pasienten ble valgt som casestudie for denne forskningsmetoden på grunn av bekreftelse av leverfibrosestaging gjennom patologisk undersøkelse o…

Representative Results

Ved å bruke informasjonen i det Description_Name feltet i DICOM-filer, kan den opprinnelige MR-mappen få nytt navn for å lette rask lokalisering av den nødvendige bildesekvensen under analyseprosessen i bildegruppen. MR-IDEAL utfasesekvens er den typen MR-sekvens som brukes for å gi klarere beskrivelser av levervevsgrenser. Dette skyldes at MR-IDEAL out-of-fase-sekvensen bedre kan skille magnetiseringsstyrken og vinkelen til forskjellige vev gjennom spesifikke bildebehandlingsteknikker. <p clas…

Discussion

I klinisk praksis er det utfordrende å nøyaktig kvantifisere og spore tilstanden til pasienter med leverfibrose i tidlig stadium. Sammenligningen vist i figur 9 gjenspeiler fullt ut graden av leverfibrose hos pasienten sammenlignet med en frisk lever; Selvfølgelig kan dette tallet også være en sammenligning mellom to forskjellige perioder for pasienten, brukt til evaluering av behandlingseffekt. Denne presise kvantifiseringsmetoden er det viktigste kritiske trinnet i denne studien. Vide…

Materials

MATLAB	MathWorks	2022B	Computing and visualization
Mimics	Materialise	Mimics Research V20	Model format transformation
Tools for 3D_LSD	Intelligent Entropy	HepaticFibrosis V1.0	Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion