Modelo Digital 3D para Diagnóstico e Tratamento de Nódulos Pulmonares

Summary

O objetivo deste estudo é desenvolver um novo modelo digital 3D de nódulos pulmonares que sirva como ponte de comunicação entre médicos e pacientes e seja também uma ferramenta de ponta para avaliação pré-diagnóstica e prognóstica.

Abstract

A reconstrução tridimensional (3D) de nódulos pulmonares por meio de imagens médicas introduziu novas abordagens técnicas para o diagnóstico e tratamento de nódulos pulmonares, e essas abordagens estão sendo progressivamente reconhecidas e adotadas por médicos e pacientes. No entanto, a construção de um modelo digital 3D relativamente universal de nódulos pulmonares para diagnóstico e tratamento é um desafio devido às diferenças de dispositivos, tempos de disparo e tipos de nódulos. O objetivo deste estudo é propor um novo modelo digital 3D de nódulos pulmonares que sirva de ponte entre médicos e pacientes e seja também uma ferramenta de ponta para avaliação pré-diagnóstica e prognóstica. Muitos métodos de detecção e reconhecimento de nódulos pulmonares guiados por IA empregam técnicas de aprendizado profundo para capturar as características radiológicas dos nódulos pulmonares, e esses métodos podem alcançar um bom desempenho de área abaixo da curva (AUC). No entanto, falsos positivos e falsos negativos continuam sendo um desafio para radiologistas e clínicos. A interpretação e a expressão das características do ponto de vista da classificação e do exame dos nódulos pulmonares ainda são insatisfatórias. Neste estudo, um método de reconstrução contínua 3D de todo o pulmão em posições horizontal e coronal é proposto combinando as tecnologias de processamento de imagens médicas existentes. Comparado com outros métodos aplicáveis, este método permite localizar rapidamente os nódulos pulmonares e identificar suas propriedades fundamentais, ao mesmo tempo em que observa os nódulos pulmonares sob múltiplas perspectivas, fornecendo assim uma ferramenta clínica mais eficaz para o diagnóstico e tratamento de nódulos pulmonares.

Introduction

A incidência global de nódulos pulmonares é variável, mas geralmente estima-se que cerca de 30% dos adultos tenham pelo menos um nódulo pulmonar visível nas radiografias de^tórax1. A incidência de nódulos pulmonares é maior em populações específicas, como fumantes pesados e aqueles com história de câncer de pulmão ou outras doenças pulmonares. É importante ressaltar que nem todos os nódulos pulmonares são malignos, mas uma avaliação completa é necessária para descartar^malignidade2. A detecção e o diagnóstico precoces do câncer de pulmão são cruciais para melhorar as taxas de sobrevida, e o rastreamento regular com tomografia computadorizada de baixa dose (TCLD) é recomendado para indivíduos de alto risco. Muitos métodos de detecção e reconhecimento de nódulos pulmonares guiados por IA3,4,5,6,7 empregam técnicas de aprendizado profundo para capturar as características radiológicas dos nódulos pulmonares^, e esses métodos podem alcançar um bom desempenho na área sob a curva (AUC). No entanto, falsos positivos e falsos negativos continuam sendo um desafio para radiologistas e clínicos. A interpretação e a expressão das características do ponto de vista da classificação e do exame dos nódulos pulmonares ainda são insatisfatórias. Ao mesmo tempo, a reconstrução 3D de nódulos pulmonares baseada na TCLD tem ganhado cada vez mais atenção como modelo digital para vários tipos de nódulos.

A reconstrução 3D de nódulos pulmonares é um processo que gera uma representação 3D de um pequeno crescimento ou caroço no pulmão. Esse processo normalmente envolve a aplicação de técnicas de análise de imagens médicas que aproveitam a perícia médica e as abordagens de inteligência de dados. O modelo digital 3D resultante oferece uma representação mais detalhada e precisa do nódulo, permitindo melhor visualização e análise de seu tamanho, forma e relação espacial com os tecidos pulmonares^circundantes 8,9,10,11,12. Essas informações podem auxiliar no diagnóstico e monitoramento de nódulos pulmonares, principalmente aqueles com suspeita de câncer. Ao facilitar análises mais precisas, a reconstrução 3D de nódulos pulmonares tem o potencial de aumentar a acurácia do diagnóstico e informar decisões terapêuticas.

A projeção de intensidade máxima (MIP) é uma técnica popular no campo da reconstrução 3D de nódulos pulmonares e é usada para criar uma projeção 2D de uma imagem 3D 8,9,10,11,12 É particularmente útil na visualização de dados volumétricos extraídos de arquivos de imagem digital e comunicações em medicina (DICOM) digitalizados por TC. A técnica MIP funciona selecionando os voxels (as menores unidades de dados de volume 3D) com a maior intensidade ao longo da direção de visualização e projetando-os em um plano 2D. Isso resulta em uma imagem 2D que enfatiza as estruturas de maior intensidade e suprime aquelas de menor intensidade, o que facilita a identificação e análise de características relevantes 9,10,11,12. No entanto, a PImáx não está isenta de limitações. Por exemplo, o processo de projeção pode resultar em uma perda de informações, e a imagem 2D resultante pode não representar com precisão a estrutura 3D do objeto subjacente. No entanto, a MIP continua sendo uma ferramenta valiosa para imagens médicas e visualização, e seu uso continua a evoluir com os avanços da tecnologia e do poder computacional¹¹.

Neste estudo, desenvolve-se um modelo sucessivo de PImáx para visualização de nódulos pulmonares, de fácil utilização, fácil de usar para radiologistas, médicos e pacientes, e que permite identificar e estimar as propriedades dos nódulos pulmonares. As principais vantagens dessa abordagem de processamento incluem os seguintes aspectos: (1) eliminação de falsos positivos e falsos negativos decorrentes do reconhecimento de padrões, o que permite um foco no auxílio médico para obter informações mais abrangentes sobre a localização, forma e tamanho 3D dos nódulos pulmonares, bem como sua relação com a vasculatura circundante; (2) capacitar os médicos especialistas para o conhecimento profissional das características dos nódulos pulmonares, mesmo sem o auxílio de radiologistas; e (3) melhorar a eficiência da comunicação entre médicos e pacientes e a avaliação prognóstica.

Protocol

NOTA: Durante o estágio de pré-processamento de dados, os dados DICOM originais devem ser classificados e interceptados para garantir a compatibilidade com vários dispositivos e resultados consistentes. A capacidade ajustável adequada deve ser reservada para o processamento da intensidade, e uma perspectiva 3D contínua é essencial para a observação. Neste protocolo, uma descrição metódica da abordagem de pesquisa é fornecida, detalhando um caso envolvendo uma paciente de 84 anos com nódulos pulmonares. Esta …

Representative Results

Para tornar o método aplicável a uma gama maior de dispositivos, a ordem de empilhamento de cada varredura precisa ser reorganizada com base nas coordenadas internas do sistema de arquivos DICOM (Figura 1) para gerar o volume 3D correto (Figura 2). Com base nos dados precisos de volume, utilizamos a reconstrução contínua algorítmica das PIMs horizontais e coronais do pulmão (Figura 4 e Figura 5) …

Discussion

Diferentes dispositivos LDCT têm diferenças significativas nas sequências de imagens DICOM que produzem, especialmente em termos de gerenciamento do sistema de arquivos. Portanto, para reconstruir o modelo digital 3D chave de um nódulo pulmonar nos estágios mais avançados do protocolo, a etapa de pré-processamento de dados é particularmente importante. Na etapa de preparação e pré-processamento dos dados (etapa 1.2.2), a coordenada do eixo z da sequência pode ser classificada corretamente usando a sequência …

Materials

MATLAB	MathWorks	2022B	Computing and visualization
Tools for Modeling	Intelligent  Entropy	PulmonaryNodule V1.0	Beijing Intelligent Entropy Science & Technology Co Ltd. Modeling for CT/MRI fusion