En tredimensionell digital modell för tidig diagnos av leverfibros baserad på magnetisk resonanstomografi

Summary

Syftet med denna studie var att utveckla en ny tredimensionell digital modell för tidig diagnos av leverfibros, som inkluderar styvheten hos varje voxel i patientens lever och därmed kan användas för att beräkna fördelningsförhållandet för patientens lever vid olika fibrosstadier.

Abstract

Leverfibros är ett tidigt stadium av levercirros, och det finns inga bättre icke-invasiva och bekväma metoder för att upptäcka och utvärdera sjukdomen. Trots de goda framsteg som gjorts med leverstyvhetskartan (LSM) baserad på magnetisk resonanstomografi (MRE), finns det fortfarande vissa begränsningar som måste övervinnas, inklusive manuell fokusbestämning, manuellt urval av intresseområden (ROI) och diskontinuerliga LSM-data utan strukturell information, vilket gör det omöjligt att utvärdera levern som helhet. I denna studie föreslår vi en ny tredimensionell (3D) digital modell för tidig diagnos av leverfibros baserad på MRE.

MRE är en icke-invasiv avbildningsteknik som använder magnetisk resonanstomografi (MRT) för att mäta leverstelheten vid skanningsstället genom människa-datorinteraktion. Studier har visat på en signifikant positiv korrelation mellan LSM som erhålls genom MRE och graden av leverfibros. För kliniska ändamål är det dock nödvändigt med en omfattande och exakt kvantifiering av graden av leverfibros. För att ta itu med detta föreslogs begreppet Liver Stiffness Distribution (LSD) i denna studie, som hänvisar till 3D-styvhetsvolymen för varje levervoxel som erhålls genom anpassning av 3D-levervävnadsbilder och MRE-indikatorer. Detta ger ett mer effektivt kliniskt verktyg för diagnos och behandling av leverfibros.

Introduction

Leverfibros avser bildandet av överdriven ärrvävnad i levern, vanligtvis till följd av leverskada eller sjukdom 1,2,3,4. Det uppstår ofta som en följd av kronisk leverskada och är vanligtvis förknippad med leversjukdomar, såsom kronisk viral hepatit, icke-alkoholisk fettleversjukdom och alkoholisk leversjukdom. Om den lämnas obehandlad kan leverfibros utvecklas till cirros, ett potentiellt livshotande tillstånd som är förknippat med betydande sjuklighet och dödlighet.

Aktiv forskning inom detta område syftar till att belysa de cellulära och molekylära mekanismerna som ligger till grund för patogenesen av leverfibros, samt att utveckla nya diagnostiska och terapeutiska strategier för att förbättra patientresultaten. Ett annat mål är den icke-invasiva detektionen av leverfibrosstadiet, vilket är en kritisk aspekt som direkt korrelerar med sjukdomsdiagnos, behandlingsval och prognosutvärdering. Trots vikten av korrekt diagnos och övervakning av leverfibros är traditionella diagnostiska metoder, såsom leverbiopsi, invasiva och förknippade med betydande risker. Däremot är magnetisk resonanstomografi ^5,6 (MRE) en lovande icke-invasiv avbildningsteknik som har visat potential vid diagnos och övervakning av leverfibros genom att kvantifiera leverstelhet.

Under de senaste åren har det bedrivits betydande forskning med fokus på att utvärdera noggrannheten och tillförlitligheten hos MRE vid diagnos av leverfibros, såväl som dess potentiella fördelar jämfört med traditionella diagnostiska metoder. Leverstyvhetsmåttet för MRE har godkänts av United States Food and Drug Administration (FDA) för klinisk diagnos, och omfattande jämförande analyser med patologiska resultat har genomförts i klinisk praxis. Resultaten har visat att stelhetskartorna som genereras av MRE uppvisar en stark positiv korrelation med olika stadier av leverfibros 7,8,9,10,11,12. Men hittills har arbetet med att noggrant utvärdera och spåra utvecklingen av leverfibros hos patienter genom kvantitativ analys av leverstelhetsfördelning (LSD) genom att matcha leverstrukturbilder med MRE inte gjort några större framsteg.

I denna studie introduceras den medicinska bildgruppanalystekniken^13,14,15 för att uppnå exakt anpassning av leverstrukturbilderna med styvhetskartan som genereras av MRE i 3D-utrymme, vilket möjliggör beräkning av leverstyvhetsvärden för varje voxel i hela levern. Baserat på den digitala 3D-modellen av LSD kan den exakta fördelningen av patientspecifik leverfibrosstadieindelning beräknas och utvärderas. Detta lägger en solid grund för en exakt kvantitativ diagnos av leverfibros i ett tidigt skede.

Protocol

Denna studie använde 3D-digital LSD-modellering för att rekonstruera levern hos en typisk patient med kliniskt bekräftad leverfibros. Patienten rekryterades från en välkänd institution för behandling av leversjukdomar, “You An Hospital” i Peking, Kina, och genomgick rutinmässig magnetisk resonanstomografi (MRT) och MRE-avbildning efter att ha gett sitt samtycke. Patienten valdes som fallstudie för denna forskningsmetod på grund av bekräftelsen av hepatisk fibrosstadieindelning genom patologisk undersökning oc…

Representative Results

Genom att använda informationen i det Description_Name fältet för DICOM-filer kan den ursprungliga MRT-mappen döpas om för att underlätta snabb lokalisering av den nödvändiga bildsekvensen under analysprocessen i bildgruppen. MRI-IDEAL-sekvensen är den typ av MRT-sekvens som används för att ge tydligare beskrivningar av levervävnadsgränser. Detta beror på att MRI-IDEAL-sekvensen kan bättre differentiera magnetiseringsstyrkan och vinkeln för olika vävnader genom specifika bildbehandlings…

Discussion

I klinisk praxis är det utmanande att exakt kvantifiera och spåra tillståndet hos patienter med leverfibros i ett tidigt skede. Jämförelsen som visas i figur 9 återspeglar fullt ut graden av leverfibros hos patienten jämfört med en frisk lever; Naturligtvis kan denna siffra också vara en jämförelse mellan två olika perioder för patienten, som används för utvärdering av behandlingseffekt. Denna exakta kvantifieringsmetod är det centrala kritiska steget i denna studie. Dessuto…

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